[发明专利]一种基于特征选择和集成算法的分类方法在审
| 申请号： | 201810558775.9 | 申请日： | 2018-06-01 |
| 公开（公告）号： | CN108921197A | 公开（公告）日： | 2018-11-30 |
| 发明（设计）人： | 孙文;司华友;金厅;周佳勇;郑飘飘 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N99/00 |
| 代理公司： | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人： | 王桂名 |
| 地址： | 310018 浙*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于特征选择和集成算法的分类方法，其特征在于，包括以下步骤：(1)对于已有的数据集S，采用信息增益率和对称不确定性对数据集S的每个特征计算得分，设置阈值并对特征进行筛选，删除得分小于阈值的特征，形成新的数据集S’；(2)用多个学习器对选择特征后的数据集S’进行学习，调整学习器参数，采用调参后的学习器对未知数据u进行训练，计算未知数据u属于各个类别的概率集合，使用平均法和加权投票法对概率集进行集成计算，从而得到未知数据u应分类的类别。本发明从一定程度上降低了单个分类器造成的误差，提高了分类结果的准确率、召回率以及F1值。 | ||
| 搜索关键词： | 数据集 学习器 集成算法 特征选择 分类 单个分类器 不确定性 分类结果 概率集合 特征计算 信息增益 平均法 投票法 准确率 加权 删除 对称 筛选 概率 学习 | ||
【主权项】：
1.一种基于特征选择和集成算法的分类方法，其特征在于，包括以下步骤：(1)对于已有的数据集S，采用信息增益率和对称不确定性对数据集S的每个特征计算得分，设置阈值并对特征进行筛选，删除得分小于阈值的特征，形成新的数据集S’；(2)用多个学习器对选择特征后的数据集S’进行学习，调整学习器参数，采用调参后的学习器对未知数据u进行训练，计算未知数据u属于各个类别的概率集合，使用平均法和加权投票法对概率集进行集成计算，从而得到数据u应分类的类别。
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杭州电子科技大学，未经杭州电子科技大学许可，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/201810558775.9/，转载请声明来源钻瓜专利网。
