一種測試分類數據集的方法
【技術領域】
[0001] 本申請涉及多標記學習及其應用領域，尤其涉及一種測試分類數據集的方法。
【背景技術】
[0002] 多標記學習及其應用，是當前機器學習和數據挖掘領域的熱點研究問題。多標記 學習起源于文本分類問題。其中，每個文件可能屬于多個事先預定的不同主題。除文本分 類以外，多標記學習已廣泛應用于許多實際問題當中。例如蛋白質功能分類、語義場景分類 和音樂分類等。在功能基因組學研究中，每個基因可能隸屬于多個功能類別，例如代謝、轉 錄和蛋白質合成等；在語義場景分類問題中，一張圖片可能同時屬于多種主題類別，例如一 張圖片中如果同時存在沙灘和陽光的場景，那么在圖片分類當中，這張圖片既可以屬于沙 灘類，也可以屬于陽光類；同樣的，在音樂分類中，一首歌可以既屬于搖滾樂也可以屬于民 謠，如蝎子樂隊的歌曲。在這些應用當中，訓練集中的每個示例都屬于多個標記，而多標記 學習的任務就是通過對已知標記的訓練集數據的分析，為每個未知的示例預測輸出一組標 記集。
[0003] 現有的做法，是使用K最近鄰分類算法進行分類。該算法由Hart和Cover于上世 紀60年代末首次提出，是一種典型的Lazy型分類算法，也是基于實例學習的分類算法中比 較常用的一種方法。是基于統計的分類方法，是根據測試樣本在特征空間中K格最近鄰樣 本中的多數樣本的類別來進行分類，因此具有直觀、無需先驗統計知識等特點，從而成為非 參數分類的一種重要方法。但是此算法的精確度還有待提高。

【發明內容】

[0004] 本發明了提供了一種測試分類數據集的方法，以解決現有的KNN算法精確度不夠 高的技術問題。本發明基于粒子群優化算法，使用新的加權KNN分類算法，并將其運用到多 種多標記數據集中，對測試數據集進行測試，提高了 KNN分類算法的準確度。
[0005] 為解決上述技術問題，本發明提供了一種測試分類數據集的方法，所述方法包 括：
[0006] 步驟1，獲得分類數據集；
[0007] 步驟2,判斷所述分類數據集是否需要進行標準化，若是，使用絕對標準差的方式 對所述分類數據集進行標準化；
[0008] 步驟3,標準化之后，將所述分類數據集分成訓練集和測試集；
[0009] 步驟4,利用PSO算法學習加權KNN算法中的權重值，然后根據獲得的權重值的取 值范圍對所述訓練集進行種群初始化；
[0010] 步驟5,確定所述訓練集中每個粒子的預測標記向量，然后根據適應度函數值公式 計算每個粒子的初始度適應值；
[0011] 步驟6,根據粒子群速度公式對每個粒子進行更新操作，然后對每個粒子進行適應 度評價以及適應度排序；
[0012] 步驟7,判斷粒子是否達到停止條件；
[0013] 若滿足，轉入步驟8,根據每個粒子的適應度排序獲得優化權重值；基于所述優化 權重值對所述測試集進行分類測試；
[0014] 若不滿足，轉入步驟5。
[0015] 優選的，在所述步驟4中，利用PSO算法學習加權KNN算法中的權重值，具體包括：
[0016] 獲得距離計算公式
Cl1表示第i個粒子與全局最優粒子之間 的距離，gBestl表示全局最優粒子的位置，xil表示第i個粒子的位置，m表示粒子的總數； [0017] 每當一個粒子靠近當前全局最優位置時，增加慣性權重值w，縮小c2:
[0020] 其中
m為粒子維度值，η為種群大小，C2max= 2, c 2min= 0. 5, ω _ = 1· 1，ωηπη= 〇· 4 ;
[0021] 動態調整學習因子cl K1Q) = 4· O-C2 (i)。
[0022] 優選的，在所述步驟5中，確定所述訓練集中每個粒子的預測標記向量，具體為：
[0023] 利用0/1的的方式對所述訓練集進行標記，將每個粒子的預測標記向量確定為 0/1的向量集合，其中，〇表示標記不屬于粒子，1表示標記屬于粒子。
[0024] 優選的，在所述步驟5中，適應度函數值公式具體為：
[0026] 其中，Y表示所述訓練集的數據標記集合，N表示集合中的粒子數，Y1表示第i個 粒子的實際標記向量集，Zi表示第i個粒子的預測標記向量集。
[0027] 優選的，在所述步驟8中，基于所述優化權重值對所述測試集進行分類測試，具體 包括：
[0028] 對所述優化權重值的適應度值進行排序，然后再求取各自的平均權值；
[0029] 利用所述平均權值和預測函數，獲得所述測試集的預測類標記；
[0030] 計算所述測試集的分類準確度。
[0031] 優選的，在所述步驟8中，基于所述優化權重值對所述測試集進行分類測試，具體 還包括：
[0032] 對所述優化權重值的適應度值進行排序；
[0033] 基于排序后的優化權重值和預測函數，獲得所述測試集的最終類標記，所述最終 類標記具體是類標記匹配度最高的標記；
[0034] 計算所述測試集的分類準確度。
[0035] 優選的，在所述根據每個粒子的適應度排序獲得優化權重值之后，所述方法還包 括：
[0036] 利用所述優化權重值對待分類數據集進行分類預測。
[0037] 通過本發明的一個或者多個技術方案，本發明具有以下有益效果或者優點：
[0038] 在本發明中，描述了一種測試分類數據集的方法。在獲得分類數據集之后，若需要 對其進行標準化處理，則使用絕對標準差的方式對所述分類數據集進行標準化；將PSO算 法與KNN分類算法進行結合，利用PSO算法學習加權KNN算法中的權重值，提出了基于PSO 算法的加權KNN分類算法，對測試集進行種群初始化；在確定所述訓練集中每個粒子的預 測標記向量后，然后根據適應度函數值公式計算每個粒子的初始度適應值。通過適應度函 數值進行評價后得到最后的優化權重值，然后代入測試集進行預測。本發明在傳統KNN分 類算法的基礎上增加了數據的訓練過程，然后再對測試數據集進行預測。本發明通過使用 粒子群優化算法對傳統的數據分類進行改進，改進后的算法可以提高分類的準確度。
[0039] 進一步的，在計算初始度適應值時，是根據多標記學習中的二分類評估標準，采用 0/1向量標記集的方式，設計相應的適應度函數。
[0040] 進一步的，采用了兩種不同的方式對測試數據集進行預測，以提高分類的準確度。
【附圖說明】
[0041] 圖1為本發明實施例中測試分類數據集的流程圖；
[0042] 圖2為本發明實施例中CAL500最優適應度權值分類結果；
[0043] 圖3為本發明實施例中CAL500適應度排名前10權值分類結果；
[0044] 圖4為本發明實施例中CAL500適應度排名前20權值分類結果；
[0045] 圖5本發明實施例中CAL500適應度排名前30權值分類結果；
[0046] 圖6為本發明實施例中emotions最優適應度權值分類結果；
[0047] 圖7為本發明實施例中emotions適應度排名前10權值分類結果；
[0048] 圖8為本發明實施例中emotions適應度排名前20權值分類結果；
[0049] 圖9為本發明實施例中emotions適應度排名前30權值分類結果；
[0050] 圖10為本發明實施例中scene最優適應度權值分類結果；
[0051] 圖11為本發明實施例中scene適應度排名前10權值分類結果；
[0052] 圖12為本發明實施例中scene適應度排名前20權值分類結果；
[0053] 圖13為本發明實施例中scene適應度排名前10權值分類結果；
[0054] 圖14為本發明實施例中scene最優適應度權值分類結果；
[0055] 圖15為本發明實施例中scene適應度排名前10權值分類結果；
[0056] 圖16為本發明實施例中scene適應度排名前20權值分類結果；
[0057] 圖17為本發明實施例中scene適應度排名前30權值分類結果；
[0058] 圖18為本發明實施例中CAL500分類結果對比；
[0059] 圖19為本發明實施例中emotions分類結果對比；
[0060] 圖2