[发明专利]一种分类器链局部检测与挖掘算法

权利要求书

1.一种分类器链局部检测与挖掘算法，其特征在于：在周期n内选择一个分类器a(n)对期望奖励E{r(n)}进行最大化，设计的思路如下步骤：

S1：每一个分类器m都在周期n内选择一个分类函数a_m(n)∈F_m，a(n)代表了周期n内的分类器链；

S2：数据样例x(n)进入系统后，经过分类器链生成分类概念最终的分类结果可以表示为

S3：在周期结束时会显示根据真标签z(n)实现的总奖励r(n)和总成本d(n)；

S4：如果每个分类器的每个分类函数的精度和预期成本是已知的，则解决方案为：

a*=argmaxa{μ(a)}.---(1)]]>

即在每一个时间周期都选择相同的分类器链对预期奖励进行最大化；其中，a^*最佳分类器链。

2.如权利要求1所述的分类器链局部检测与挖掘算法，其特征在于：设计所述算法前还包括有分类器链系统的构成设计，分类器链系统的构成设计步骤如下：

1)一个包含了Μ＝{1,2,…,M}个分类器的分布式大数据挖掘系统，这些分类器以一种预先决定好的次序串联在一起，未经处理的数据流依次经过这些分类器，假设m+1号分类器串联在m号分类器之后；

2)时间被分解为离散的周期，在每一个周期n内有一个数据样例x(n)进入系统；每一个数据样例都有一系列概念y(n)＝(y₁(n),…,y_M(n))，其中，y_m(n)∈Y_m，(Y_m为概念y_m(n)的值域)m＝1,…,M；这些概念是未知的，需要通过分类器进行挖掘；概念y₁(n),…,y_M(n)根据公式(1)共同决定了一个未知的实际真标签z(n)∈Z，Z为类别集合，σ为决定函数：

σ:Y₁×…×Y_M→Z. (2)

3)分类器链系统是为了确定一个数据样例是否属于目标范畴，即y_m(n)＝e_m∈Y_m，其中e_m为输入数据样例，然后其中，1(·)是一个指示函数，即分类器m∈M的任务是确保每一个概念y_m(n)都对应一个分类结果记为整合所有分类器的分类结果记为然后生成标签的最终分类；

4)每一个分类器m都要处理对应于概念m的分类问题，并维持一系列分类函数其中f_m,n(n＝1,2,3…K_m)为分类函数，K_m为分类器m的分类函数个数；假设对任意m，有K_m＝K，K为各个分类器统一设定的检测周期；在每一个时间周期n内，分类器m都要选择一个分类函数a_m(n)∈F_m对x(n)进行分类，因此，a(n)＝(a₁(n),...a_M(n))代表了在时间周期n内选择的分类器链。