快速学习分类方法技术

本发明专利技术公开了一种快速学习分类方法，该方法包括以下步骤：（１）将新样本进行编码；（２）将新样本随机分配到不同的子模块；（３）每个子模块判断是否接收到新样本，是，转步骤（４）；否，则结束；（４）将新样本与子模块种群规则集进行比较，产生匹配规则集合；（５）根据选择机制，从子模块匹配集的可能分类中选出一个子模块分类类别；（６）投票选择一个最终的分类类别输出；（７）比较各个子模块分类类别与该样本实际的分类类别，产生不同的反馈；（８）对于该反馈信息，利用强化学习方法更新匹配规则集合中的规则强度；（９）利用遗传算法进化各个子模块种群；（１０）重复执行步骤１至８。本发明专利技术的优点是学习分类快速、准确。（*该技术在2024年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种在增量样本中、在线对新样本进行快速学习分类的方法。
技术介绍
学习分类方法被广泛地应用于交通信号控制、机器人行走、医疗诊断分析、电信数据挖掘、股票分析、信用卡用户的分类、WEB用户分类等方面。与决策数、神经网络等基于监督学习的分类方法相比，学习分类方法能够在线、增量式地对样本进行学习和分类。目前的学习分类方法通过对样本输入匹配，产生多个侯选的分类规则，并从中选择一个分类类别。该分类类别与样本真实的分类进行比对，产生反馈调整分类规则。由于在实际应用中得到的样本可能有误差，因此学习的规则准确度将受到影响。累计的误差在规则集合中被放大，从而影响对后继新样本进行分类的精度，并进一步使获得正确分类规则的时间加长。
技术实现思路
1、专利技术目的本专利技术的目的是针对现有技术的不足，提供一种基于集成技术的快速、准确的学习分类方法。2、技术方案本专利技术通过不同的输入样本、不同的初始种群、不同的规则学习和发现过程，集成多个不同的学习分类子模块，最终形成一种新的。该方法包括以下步骤(1)将新样本进行编码；(2)将新样本随机分配到不同的子模块；(3)每个子模块判断是否接收到新样本，是本文档来自技高网...

【技术保护点】
一种快速学习分类方法，其特征在于该方法包括以下步骤：（１）将新样本进行编码；（２）将新样本随机分配到不同的子模块；（３）每个子模块判断是否接收到新样本，是，转步骤（４）；否，则结束；（４）将新样本与子模块种群 规则集进行比较，产生匹配规则集合；（５）根据选择机制，从子模块匹配集的可能分类中选出一个子模块分类类别；（６）投票选择一个最终的分类类别输出；（７）比较各个子模块分类类别与该样本实际的分类类别，产生不同的反馈；　 　（８）对于该反馈信息，利用强化学习方法更新匹配规则集合中的...

【技术特征摘要】
1.一种快速学习分类方法，其特征在于该方法包括以下步骤(1)将新样本进行编码；(2)将新样本随机分配到不同的子模块；(3)每个子模块判断是否接收到新样本，是，转步骤(4)；否，则结束；(4)将新样本与子模块种群规则集进行比较，产生匹配规则集合；(5)根据选择机制，从子模块匹配...

【专利技术属性】
技术研发人员：高阳，
申请(专利权)人：南京大学，
类型：发明
国别省市：84[中国|南京]