[发明专利]多层次分类方法

权利要求书

1.一种多层次分类方法，是于一计算机可纪录媒体中用以分类多个影像样本，该计算机可纪录媒体包括有一处理器、一输入装置、及一储存装置，该方法至少包括下列步骤：

(a)接收复数个原始样本；

(b)提供复数个属性，并以一多变量参数对该些原始样本由该些属性进行显著性评估计算；

(c)选择至少一切点并建立一判别分析模型，将该步骤(b)中评估后具有显著性者其中之一，提供一变量同质分析参数筛选出该至少一切点，将该些属性评估后具有显著性者中所包含的该复数个原始样本分群为至少一类别以建立该判别分析模型，其中该至少一类别包括有第一类别、第二类别及未决定的第三类别；

(d)进行一评估模型效能的步骤，将该判别分析模型中加入该些属性进行显著性评估；其中，当加入该至少一属性后有增进该判别分析模型的显著性时，便进入该判别分析模型的下一层，再以该变量同质分析参数筛选出至少一切点，将该判别分析模型中加入该些属性评估后具有显著性者中所包含的该复数个原始样本继续分群为第一类别、第二类别及未决定的第三类别；以及

(e)加入一停止条件，该停止条件是以选择该变量同质分析参数，若不拒绝虚无假设，该判别分析模型即停止往下一层分群；或在该评估模型效能的步骤中加入该些属性以一回归分析法进行显著性评估，当加入该些属性后无法提升该判别分析模型的显著性时，若拒绝虚无假设，该判别分析模型即停止往下一层分群。

2.如权利要求1所述的多层次分类方法，其中，在加入该停止条件时，该判别分析模型的最后一层分类层中，该未决定的第三类别中所包含的样本数为零。

3.如权利要求1所述的多层次分类方法，其中，该多变量参数为Wilk’s lambda或Gini index。

4.如权利要求1所述的多层次分类方法，其中，该显著性评估计算是以一F统计量算出的p值，以该p值表示该些属性在该类别间平均的差异显著性；或以一衡量不纯度的准则判断；

其中，该F统计量为

F=n-p-1p(1-ΛΛ)~Fp,n-p-1;]]>

该不纯度(impurity)为

Impurity=NL×Gini(tL)+NM×Gini(tM)+NR×Gini(tR)(NL+NM+NR);]]>

其中，n为样本空间，p为属性的数目，Λ则为Wilk’s lambda；

其中，N_L为第一类别的样本空间，N_M为第三类别的样本空间，N_R为第二类别的样本空间，t_L为第一类别的Gini值，t_M为第三类别的Gini值，t_R为第二类别的Gini值。