[发明专利]数据识别方法和装置

说明书

本发明涉及一种数据识别方法和装置，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；检测待识别数据与搜索范围中的验证数据是否相匹配；若待识别数据与验证数据相匹配，确定识别成功；若待识别数据与验证数据不匹配，确定识别失败，实现了对大量验证数据进行分类，快速识别待识别数据，减少了识别时间，提高了识别效率。

技术领域

本发明涉及数据识别方法技术领域，具体涉及一种数据识别方法和装置。

背景技术

近年来，随着通信技术、互联网、云计算、大数据等技术的快速发展，对图像、指纹等数据进行识别称为国内外研究的热点。

现有技术中，在进行数据识别时，需要将待识别数据与识别数据库中的验证数据进行比对，得到比对结果，从而对待识别数据进行识别。

但是，识别数据库中的验证数据的数量往往比较大，这样，在将待识别数据与识别数据库中的验证数据进行比对时，需要花费的时间比较长，效率比较低。

发明内容

有鉴于此，本发明的目的在于提供一种数据识别方法和装置，以解决在将待识别数据与识别数据库中的验证数据进行比对时，需要花费的时间比较长，效率比较低的问题。

为实现以上目的，本发明提供一种数据识别方法，包括：

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；

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。

进一步地，上述所述的方法，还包括：

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，构建所述k-means-SVM树形模型。

进一步地，上述所述的方法，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。

进一步地，上述所述的方法，所述确定识别数据库的搜索范围之后，还包括：

确定所述搜索范围对应的候选节点；

确定所述候选节点中所述分类数据对应的中心点数据和所述分类数据对应的数据标签；