利用分类结果反馈的增强人工智能分类性能的方法技术

本发明专利技术提供一种利用分类结果反馈增强人工智能分类性能的方法，即：收集原始数据；对原始数据进行预处理形成数据组一；将所有类型的分类结果数据分别填充到数据组一中形成数据组二；对数据组一进行再填充后与数据组二共同构成数据组三；在数据组一的基础上构建模型一，在数据组三的基础上构建模型二；对模型一和模型二进行并行训练；将模型一和模型二进行组合，按照组合后的模型进行组合应用。本发明专利技术与传统的数据处理方法和模型组合方法相比，不仅解决了传统方法数据利用率低、模型通用性差的不足，而且，显著地提高了数据的使用效率，增强了模型的通用性，提升了网络模型的准确率和F1值，实现了增强人工智能分类性能的发明专利技术目的。的。的。

【技术实现步骤摘要】
利用分类结果反馈的增强人工智能分类性能的方法


[0001]本专利技术涉及一种利用分类结果反馈的增强人工智能分类性能的方法，该方法可广泛地应用于机器学习、深度学习和学习模型构建等领域中数据构造、数据处理等方面。本专利技术属于人工智能


技术介绍

[0002]增强人工智能分类性能一直是该领域技术人员探索的核心问题，目前，还没有一个统一的方法增强人工智能分类性能，不同的领域方法不同。在机器学习领域，增强其分类性能的主要方法是数据增强方法。数据增强方法是通过对现有数据进行一些变换和操作，生成新的数据来增加训练集的数量和多样性，提高模型的性能和泛化能力。常用的数据增强方法有镜像翻转、旋转缩放和裁剪、色彩变换、噪声添加。虽然，数据增强方法可以提高数据模型性能和泛化能力，但是它也存在一些缺点，如：过度增强(Over
‑
augmentation)、噪声引入(Noise Introduction)、依赖于领域知识(Domain Knowledge Dependency)，故，数据增强方法是机器学习领域增强其分类性能的一种非常有用的方法，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用分类结果反馈增强人工智能分类性能的方法，其特征在于：它包括如下步骤：S1、收集原始数据；S2、对获取的原始数据进行预处理形成数据组一；对步骤S1收集的原始数据进行统一处理和归类，处理后的原始数据组为数据组一，它包括基础数据和分类结果数据两部分；S3、将所有类型的分类结果数据分别填充到数据组一中形成数据组二；S3.1、将数据组一中每个基础数据都复制W个，W为分类结果数据的个数；S3.2、将所有类型的分类结果数据分别填充到数据组一每个基础数据中形成新的自变量数据；S3.3、将数据组一中与每个基础数据对应的每个因变量数据复制W个形成新的因变量数据；S3.4、由新的自变量数据和新的因变量数据构成数据组二；S4、对步骤S2预处理后形成的数据组一中的基础数据进行再填充，填充后的数据组与数据组二共同构成数据组三；S4.1、利用分类结果数据之外的1个数据对步骤S2预处理后形成的数据组一中的基础数据进行再填充，形成新的自变量数据；S4.2、将步骤S2预处理后形成的数据组一中每个基础数据对应的因变量数据复制1个形成新的因变量数据；S4.3、由步骤S4.1和步骤S4.2形成的新的自变量数据和新的因变量数据构成新的数据组与数据组二共同构成数据组三；S5、在数据组一的基础上构建模型一，在数据组三的基础上构建模型二；利用原始数据即数据组一和填充、增强后的数据即数据组三分别构建不同的模型即模型一和模型二；S6、对模型一和模型二进行并行训练；S7、将模型一和模型二进行组合，按照组合后的模型进行组合应用；将模型一和模型二进行组合，按照组合后的模型进行组合应用；具体方法：先使用原始数据训练的模型一进行分类，再把模型一预测的分类结...

【专利技术属性】
技术研发人员：赵国安，兰晓娟，张碧玲，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：