[发明专利]一种分类方法和装置

说明书

本申请实施例提供了一种分类方法和装置，该方法包括：由所述分类模型对所述第一数据进行处理获取初始分类结果和分类权重；根据所述分类权重对所述初始分类结果的置信度进行修正；当修正后的置信度大于预设的置信度阈值时，将所述初始分类结果作为最终分类结果。通过该实施例方案，提高了分类准确率。

技术领域

本文涉及数据挖掘技术，尤指一种分类方法和装置。

背景技术

目前的对抗训练方法只保留一个分类功能，这就使得训练出来的分类模型被强制要求对于任何输入都返回一个分类预测。这样会导致分类模型在一些其不确定的样本上有很高的概率返回错误的预测，因此，已有的模型分类技术在对抗环境下的准确率遇到了瓶颈，例如在CIFAR-10数据集上的鲁棒准确率仅有65％，远远低于可以在现实环境中可靠使用的预期。

发明内容

本申请实施例提供了一种分类方法和装置，提高了分类准确率。

本申请实施例提供了一种分类方法，所述方法可以包括：

将待分类的第一数据输入预设的分类模型；

由所述分类模型对所述第一数据进行处理获取初始分类结果和分类权重；

根据所述分类权重对所述初始分类结果的置信度进行修正；

当修正后的置信度大于预设的置信度阈值时，将所述初始分类结果作为最终分类结果。

在本申请的示例性实施例中，所述方法还可以包括：当修正后的置信度小于或等于所述置信度阈值时，执行以下任意一种或多种操作：

重新通过所述分类模型对所述第一数据进行处理，以重新获取初始分类结果和分类权重，并再次根据重新获取的分类权重对重新获取的初始分类结果的置信度进行修正，根据修正后的置信度确定分类结果；

输出分类结果；所述分类结果为：不能确定；以及，

发出对分类结果进行人工修正的提醒信息。

在本申请的示例性实施例中，在由所述分类模型对所述第一数据进行处理获取初始分类结果和分类权重之前，所述方法还可以包括：

通过所述分类模型提取所述第一数据的数据特征。

在本申请的示例性实施例中，所述分类模型可以包括softmax模块；

由所述分类模型对所述第一数据进行处理获取初始分类结果，包括：

由所述softmax模块根据所述数据特征进行分类，并获取所述初始分类结果。

在本申请的示例性实施例中，所述分类模型可以包括sigmoid函数模块；

由所述分类模型对所述第一数据进行处理获取分类权重，包括：

由所述sigmoid函数模块根据所述数据特征计算所述分类权重。

在本申请的示例性实施例中，所述由所述softmax模块根据所述数据特征进行分类，并获取所述初始分类结果，可以包括：

由所述softmax模块根据所述数据特征确定出所述第一数据被分类到每一类型对应的初始置信度；

获取多个初始置信度中数值最大的初始置信度，将所述数值最大的初始置信度对应的分类类型作为所述初始分类结果。

在本申请的示例性实施例中，所述根据所述分类权重对所述初始分类结果的置信度进行修正，可以包括：

将所述数值最大的初始置信度与所述分类权重相乘，将相乘结果作为修正后的置信度。