[发明专利]基于集成分类模型的分类方法及相关设备

权利要求书

1.一种基于集成分类模型的分类方法，其特征在于，包括：

构建所述集成分类模型，所述集成分类模型包括基分类器层，所述基分类器层包括基分类器；

利用模型训练样本集训练所述集成分类模型；

获得当前待分类数据；以及

通过训练完的所述集成分类模型处理所述当前待分类数据，获得所述当前待分类数据的目标分类结果；

其中，构建所述集成分类模型包括：

从N个分类器中选择k个分类器，获得至少两种分类器组合，k为大于或等于2且小于或等于N的正整数，N为大于或等于2的正整数；

基于每种分类器组合中包含的分类器的数量，确定每种分类器组合的目标分类器个数指标；

根据每种分类器组合的目标分类器个数指标确定每种分类器组合的加权个数准确性多样性度量指标；

根据每种分类器组合的加权个数准确性多样性度量指标从所述至少两种分类器组合中确定目标分类器组合；

将所述目标分类器组合中的分类器作为所述集成分类模型的所述基分类器层中的所述基分类器。

2.根据权利要求1所述的方法，其特征在于，基于每种分类器组合中包含的分类器的数量，确定每种分类器组合的目标分类器个数指标，包括：

根据每种分类器组合中包含的分类器的数量，确定每种分类器组合的分类器个数；

从所述至少两种分类器组合的分类器个数中确定最大分类器个数和最小分类器个数；

根据所述最大分类器个数、所述最小分类器个数和每种分类器组合的分类器个数，确定每种分类器组合的目标分类器个数指标。

3.根据权利要求1或2所述的方法，其特征在于，根据每种分类器组合的目标分类器个数指标确定每种分类器组合的加权个数准确性多样性度量指标，包括：

获得每种分类器组合的目标准确性指标；

获得每种分类器组合的目标多样性指标；

确定准确性权重、多样性权重和分类器个数权重；

根据每种分类器组合的目标准确性指标和所述准确性权重、目标多样性指标和所述多样性权重、以及目标分类器个数指标和所述分类器个数权重，确定每种分类器组合的加权个数准确性多样性度量指标。

4.根据权利要求3所述的方法，其特征在于，获得每种分类器组合的目标准确性指标，包括：

获得每种分类器组合中的每一个分类器的准确性度量指标；

根据每种分类器组合中的每一个分类器的准确性度量指标获得每种分类器组合的准确性度量指标均值；

从所述至少两种分类器组合的准确性度量指标均值中确定最大准确性度量指标均值和最小准确性度量指标均值；

根据所述最大准确性度量指标均值、所述最小准确性度量指标均值和每种分类器组合的准确性度量指标均值，确定每种分类器组合的目标准确性指标。

5.根据权利要求4所述的方法，其特征在于，获得每种分类器组合中的每一个分类器的准确性度量指标，包括：

将第一分类器训练样本集中的第一样本输入至每种分类器组合中的每一个分类器，获得每种分类器组合中的每一个分类器输出的对应第一样本的预测标签；

根据每种分类器组合中的每一个分类器输出的对应第一样本的预测标签及其真实标签，确定每种分类器组合中的每一个分类器的真正样本数、假负样本数、假正样本数和真负样本数；

根据每种分类器组合中的每一个分类器的真正样本数和假负样本数确定每种分类器组合中的每一个分类器的真正样本率；

根据每种分类器组合中的每一个分类器的假正样本数和真负样本数确定每种分类器组合中的每一个分类器的假正样本率；

根据每种分类器组合中的每一个分类器的真正样本率及其假正样本率的差值的最大值，确定每种分类器组合中的每一个分类器的正负样本分隔程度指标；

根据每种分类器组合中的每一个分类器的正负样本分隔程度指标，确定每种分类器组合中的每一个分类器的准确性度量指标。