[发明专利]一种基于多分类器集成的半监督识别方法

权利要求书

1.一种基于多分类器集成的半监督识别方法，其特征在于，包括以下步骤：

(1)初始化样本集，将样本集中的样本分为有标记样本和未标记样本；

(2)利用有标记样本集训练基分类器；

(3)分类未标记样本，计算对应置信值CZ，用基分类器的分类准确率更新权重参数进入循环；

(4)判断未标记样本置信值CZ与阈值λ关系，为未标记样本打标；

(5)判断是否达到迭代终止条件，如果未达到，返回步骤(3)，如果已经达到，进入步骤(6)；

(6)完成分类，未标记样本获得类别标记。

2.根据权利要求1所述的一种基于多分类器集成的半监督识别方法，其特征在于，所述步骤(1)具体包括以下步骤：

(11)将样本集V＝{V₁，V₂，...，v_m}中的设备标记规范化，保证同一类别的标记相同，v_i(1≤i≤m)为n维特征向量；

(12)将有标记样本标记转化为1～k的数字，其中k为有标记样本类别数，将无标记样本类别标号指定为-999；

(13)初始化三个基分类器权重参数x₁＝x₂＝x₃＝1，和三个基分类器的置信度C₁＝C₂＝C₃＝0，给定置信度阈值λ。

3.根据权利要求1所述的一种基于多分类器集成的半监督识别方法，其特征在于，步骤(2)中所述的利用有标记样本集训练基分类器是指：选定逻辑回归、支持向量机和决策树三种算法，对有标记样本集进行训练生成基分类器。

4.根据权利要求1所述的一种基于多分类器集成的半监督识别方法，其特征在于，所述步骤(3)具体包括以下步骤：

(31)用三个基分类器对未标记样本V_j分类；

(32)得到预测的设备类别及各个基分类器的置信度C₁、C₂、C₃，用基分类器的分类准确率更新权重参数x₁、x₂、x₃；

(33)计算该未标记样本的置信值CZ(V_j)，相应公式为：

CZ(v_j)＝x₁C₁+x₂C₂+x₃C₃

5.根据权利要求1所述的一种基于多分类器集成的半监督识别方法，其特征在于，所述步骤(4)具体包括以下步骤：

(41)将各个未标记样本的置信值CZ(v_j)与置信度阈值λ比较，若其小于λ，不进行任何处理，若其大于λ，将未标记数据给定标签，归入有标记数据集中S＝S∪{v_j}，同时在未标记数据集中去除该项U＝U-{v_j}；

(42)判断新加入有标记数据集中的数据量是否达到规定值，若达到规定值，进行样本及特征抽取，重新训练三个基分类器，并用准确率更新x₁、x₂、x₃，否则直接进入下一步。