[发明专利]基于神经网络和贝叶斯模型的多层次递进分类方法及系统在审
| 申请号： | 201811647945.7 | 申请日： | 2018-12-29 |
| 公开（公告）号： | CN109784387A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 袁晓艳;邱实;裴非;李昊;武新 | 申请（专利权）人： | 天津南大通用数据技术股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 天津滨海科纬知识产权代理有限公司 12211 | 代理人： | 杨慧玲 |
| 地址： | 300384 天津市滨海新区高新区*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于神经网络和贝叶斯模型的多层次递进分类方法及系统，包括：神经网络数据预处理，对第一层模型准备好神经网络训练模型的特征向量和预测结果；神经网络的训练，在准备好的数据上进行神经网络模型的训练，构建大类层次的分类器模型；贝叶斯模型的训练，在每个大类下建立该类别的贝叶斯网络模型；待分类样本的预测步骤。本发明充分利用不同模型的优缺点，对海量数据根据层次的需要做了分批训练，由此一系列的模型确定待分类样本的标签，并对多个模型的训练和预测提出了相应的解决方案。 | ||
| 搜索关键词： | 神经网络 贝叶斯模型 分类样本 大类 递进 贝叶斯网络模型 神经网络模型 神经网络训练 分类器模型 数据预处理 海量数据 模型确定 模型准备 特征向量 预测结果 第一层 分类 预测 构建 标签 | ||
【主权项】：
1.一种基于神经网络和贝叶斯模型的多层次递进分类方法，其特征在于，总体步骤包括：S1、神经网络数据预处理，对第一层模型准备好神经网络训练模型的特征向量和预测结果；S2、神经网络的训练，在准备好的数据上进行神经网络模型的训练，构建大类层次的分类器模型；S3、贝叶斯模型的训练，在每个大类下建立该类别的贝叶斯网络模型；S4、待分类样本的预测步骤。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津南大通用数据技术股份有限公司，未经天津南大通用数据技术股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811647945.7/，转载请声明来源钻瓜专利网。
- 上一篇：一种用语义分割辅助物体检测的方法
- 下一篇：窃电用户识别方法和装置
