[发明专利]大数据分析的半监督学习方法

摘要

本发明公开了一种大数据分析的半监督学习方法，首先从多个数据源抽取大数据，并对大数据按照一定的规则进行转换,得到适合计算机处理的数据格式；然后对进行规则转换后的大数据进行数据处理；最后根据数据处理后的大数据建立数据库，以及构建多个半监督分类器和构建最终安全半监督分类器，其具体构建过程是首先对于给定训练数据集构建多个差异性大的半监督分类器，然后通过最坏情况下最大化性能提高来构建最终安全半监督分类器。本发明的方法在实施过程中很少导致性能下降，与此同时取得了与现有经典技术高度可比的性能。

主权项

一种大数据分析的半监督学习方法，包括以下步骤：步骤1，从多个数据源抽取大数据，该大数据包括结构化数据和非结构化数据，并对所述大数据按照一定的规则进行转换，得到适合计算机处理的数据格式；步骤2，对进行规则转换后的所述大数据进行数据处理；步骤3，根据数据处理后的所述大数据建立数据库；步骤4，对数据库中标记数据和未标记数据，随机初始化多个半监督分类器；步骤5，对于每个初始的半监督分类器，根据半监督分类器的目标函数，通过优化方法对半监督分类器的预测结果进行优化；步骤6，将优化过的半监督分类器的预测结果分割成多个目标值，提取其中目标值最优的半监督分类器；步骤7，对有标记数据进行训练，得到监督学习方法，通过该监督学习方法预测未标记数据，得到未标记数据上的预测结果；步骤8，根据监督学习方法的预测结果，对任意未标记数据上的预测结果定义性能提高函数；步骤9，对任意未标记数据上的预测结果，使用性能提高函数得到最小的性能提高数据，将该最小的性能提高数据所对应的性能提高函数定义为最坏情况下的性能提高函数；步骤10，根据最坏情况下的性能提高目标函数，通过优化方法对未标记数据的预测结果进行优化，将优化结果输出，作为最终的安全半监督分类器的预测结果。