[发明专利]一种基于T检测器培育算法的数据分类方法

摘要

一种基于T检测器培育算法的数据分类方法，包括以下步骤：1)训练阶段，取属于cls类的数据为NONSELF，其他属于SELF；随机取Ag∈NONSELF，和所有SELF元素进行距离计算，产生检测器Dct_cls，i；利用检测器Dct_cls，i对所有NONSELF元素进行检测，如果距离小于selfmin，则对应的异常被检测器识别，从NONSELF集合移除；2)检测阶段，得到待检测样本sampleAg，计算sampleAg同各类检测器的距离，并进行识别，得到异常次数，待检测样本被识别为cls类的概率；进行情况判定：重叠、正常识别或黑洞。本发明无需参数设定、时间复杂性较小、分类效果良好。

主权项

一种基于T检测器培育算法的数据分类方法，其特征在于：所述数据分类方法包括以下步骤：1)训练阶段，过程如下：1.1取属于cls类的数据为NONSELF，其他属于SELF1.2随机取Ag∈NONSELF，和所有SELF元素进行距离计算,产生检测器Dct_cls,iDct_cls,i＝outDct(Ag)1.3利用检测器Dct_cls,i对所有NONSELF元素进行检测，如果距离小于selfmin，则对应的异常被检测器识别，从NONSELF集合移除1.4如果NONSELF集合为空，输出cls类的检测器集合，否则，跳至步骤1.21.5取下一类别数据，跳至1.1，如果不存在，则结束；2)检测阶段，过程如下：2.1得到待检测样本sampleAg2.2计算sampleAg同各类检测器的距离，并进行识别，得到识别为异常的次数d_cls,i＝D(Dct_cls,i,sampleAg)if(d_cls,i<Dct_cls,i.selfmin)NonSelfCount_cls＝NonSelfCount_cls+12.3待检测样本被识别为cls类的概率为$P_{cls}={\mathrm{NonSelfCount}}_{cls}/\underset{i=1}{\overset{N}{\&Sigma;}}{\mathrm{NonSelfCount}}_i$则概率最大为分类结果，分类号为maxP_clsMax，那么maxP_clsMax＝Max(P_cls)2.4进行情况判定：(1)重叠得到最大分类概率的类别号(2)正常识别得到最大分类概率的类别号maxP_clsMax＝Max(P_cls)；(3)黑洞得到最大分类概率的类别号