[发明专利]数据识别方法和装置

权利要求书

1.一种数据识别方法，其特征在于，包括：

基于k-means聚类算法，对当前根节点中的根数据进行聚类处理，得到至少两簇数据集；其中，所述当前根节点对应至少两个子节点；

基于SVM分类算法对每簇数据集中的当前数据进行训练，得到SVM分类器；

基于所述SVM分类器，对所述根数据进行分类，确定每个所述子节点的分类数据；

基于所述根数据和所述分类数据，构建k-means-SVM树形模型；

若接收到待识别数据，基于预先构建的k-means-SVM树形模型，确定识别数据库的搜索范围；所述确定识别数据库的搜索范围，包括：基于knn算法，确定所述识别数据库的搜索范围；

确定所述搜索范围对应的候选节点；

确定所述候选节点中分类数据对应的中心点数据和分类数据对应的数据标签；

根据所述数据标签和所述中心点数据，确定验证数据；

检测所述待识别数据与所述搜索范围中的验证数据是否相匹配；

若所述待识别数据与所述验证数据相匹配，确定识别成功；

若所述待识别数据与所述验证数据不匹配，确定识别失败。

2.根据权利要求1所述的方法，其特征在于，所述基于SVM分类算法对每簇数据集中的当前数据进行训练，得到SVM分类器之后，还包括：

基于迭代规则，对所述SVM分类器进行更新，得到目标SVM分类器，并在更新过程中执行以下操作：

利用当前SVM分类器对所述根数据中的未聚类数据进行预测，得到预测成功数据；

基于SVM分类算法对所述预测成功数据进行训练，以便更新所述当前SVM分类器，得到下一级SVM分类器；

当检测到所述当前SVM分类器的所述预测成功数据的第一数目与所述下一级SVM分类器的所述预测成功数据的第二数目一致时，停止更新，并将所述下一级SVM分类器作为所述目标SVM分类器；

对应地，所述基于所述SVM分类器，对所述根数据进行分类，确定每个所述子节点的分类数据，包括：

基于所述目标SVM分类器，对所述根数据进行分类，确定每个所述子节点的分类数据。

3.一种数据识别装置，其特征在于，包括：

第一确定模块，用于基于k-means聚类算法，对当前根节点中的根数据进行聚类处理，得到至少两簇数据集；其中，所述当前根节点对应至少两个子节点；基于SVM分类算法对每簇数据集中的当前数据进行训练，得到SVM分类器；基于所述SVM分类器，对所述根数据进行分类，确定每个所述子节点的分类数据；基于所述根数据和所述分类数据，构建k-means-SVM树形模型；若接收到待识别数据，基于预先构建的k-means-SVM树形模型，确定识别数据库的搜索范围；所述确定识别数据库的搜索范围，包括：基于knn算法，确定所述识别数据库的搜索范围；

确定所述搜索范围对应的候选节点，确定所述候选节点中分类数据对应的中心点数据和分类数据对应的数据标签，根据所述数据标签和所述中心点数据，确定验证数据；

检测模块，用于检测所述待识别数据与所述搜索范围中的验证数据是否相匹配；

第二确定模块，用于若所述待识别数据与所述验证数据相匹配，确定识别成功；若所述待识别数据与所述验证数据不匹配，确定识别失败。

4.根据权利要求3所述的装置，其特征在于，还包括：

更新模块，用于基于迭代规则，对所述SVM分类器进行更新，得到目标SVM分类器，并在更新过程中执行以下操作：

利用当前SVM分类器对所述根数据中的未聚类数据进行预测，得到预测成功数据；

基于SVM分类算法对所述预测成功数据进行训练，以便更新所述当前SVM分类器，得到下一级SVM分类器；

当检测到所述当前SVM分类器的所述预测成功数据的第一数目与所述下一级SVM分类器的所述预测成功数据的第二数目一致时，停止更新，并将所述下一级SVM分类器作为所述目标SVM分类器；

对应地，第三确定模块，用于基于所述目标SVM分类器，对所述根数据进行分类，确定每个所述子节点的分类数据。