[发明专利]一种电子设备的数据取证方法、存储介质及终端

权利要求书

1.一种电子设备的数据取证方法，其特征在于：所述方法包括：

采集电子设备的目标数据信息；

计算目标数据信息的特征向量，构建训练集；

对训练集进行聚类处理，得到多个聚类子样本集；

基于不同的聚类样本集构建多个对应的分类模型，并通过训练集对分类模型进行训练，获得不同分类模型的分类性能；

将分类性能排名靠前的多个分类模型构成的分类器组合进行差异度计算，选择差异度最大的一组分类器构成集成学习模型；

对训练集成学习模型进行训练，并将完成训练的集成学习模型用作对目标数据信息的分类；

所述计算目标数据信息的特征向量步骤后还包括：

计算目标数据信息的特征权重，进行特征选择更新训练集；

所述计算目标数据信息的特征权重W_i的计算公式为：

W_i＝W_T×W_I

其中，W_T为某一特征项在文本中的频率，W_I表示特征项的逆向频率；

进行特征选择的计算公式为：

g(D,t)＝H(D)-H(D|t)

其中，D表示目标数据信息的整个数据集，t表示特征，H(D)表示特征集合中不包含t时系统的信息量，H(D|t)表示特征集合中包含t时系统的信息量。

2.根据权利要求1所述电子设备的数据取证方法，其特征在于：所述方法还包括预处理步骤：

将采集电子设备的目标数据信息进行分词处理，去除停用词。

3.根据权利要求1所述电子设备的数据取证方法，其特征在于：所述进行特征选择步骤前还包括对特征向量进行归一化处理，具体计算公式为：

其中，W_T为某一特征项在文本中的频率c_t，n目标数据信息的总数，d_t表示特征项t在目标数据信息集中的频率。

4.根据权利要求1所述电子设备的数据取证方法，其特征在于：所述差异度ρ_av计算公式为：

L为参与集成的分类器个数，i表示第i个分类器，j表示第j个分类器，ρ_i,j为分类器间的相关系数。

5.根据权利要求4所述电子设备的数据取证方法，其特征在于：所述分类器间的相关系数的计算公式具体为：

其中，N¹¹表示分类器A与分类器B都预测正确，N¹⁰表示分类器A正确B错误，N⁰¹表示分类器B正确A错误，N⁰⁰表示A和B都预测错误。

6.根据权利要求1所述电子设备的数据取证方法，其特征在于：所述对训练集成学习模型进行训练步骤后还包括对集成学习模型的分类性能进行判定，集成学习模型的样本预测值H(x)的计算公式为：

其中，表示样本x在第i个分类器上的类别为j′；{c₁,c₂,…,c_N}表示分类器对于样本x的类别标签集合；样本x被分类器h_i进行分类预测后的输出表示为：

7.一种存储介质，其上存储有计算机指令，其特征在于：所述计算机指令运行时执行权利要求1-6任意一项所述电子设备的数据取证方法的步骤。

8.一种终端，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机指令，其特征在于：所述处理器运行所述计算机指令时执行权利要求1-6任意一项所述电子设备的数据取证方法的步骤。