公开(公告)号：CN109978050A

公开(公告)日：2019-07-05

申请号：CN201910225495.0

申请日：2019-03-25

Applicant: 北京理工大学

Inventor： 潘丽敏 ,  秦枭喃 ,  罗森林 ,  王海州

IPC: G06K9/62

Abstract: 本发明公开了一种基于SVM‑RF的决策规则提取及约简方法，属于计算机与信息科学技术领域。该方法包括：使用数据训练SVM获得分类器和支持向量；采用再生树的方法生成新数据特征并使用SVM获得新数据标签，整合新数据获得最具信息量数据集；然后使用最具信息量数据集训练随机森林模型，获得多项决策树；通过引入权衡因子将决策树的终端节点相似度和决策树性能相似度融合为新相似度，并基于此相似度对冗余决策树实现约简；最终使用决策树遍历方法获得规则集。由于本发明提供的决策规则提取与约简的方法，既兼顾SVM‑RF模型的较高准确率，又能避免提取出的决策过多而不易于人们理解，从而帮助SVM‑RF模型在实际应用中推广，起到辅助人类决策的作用。

公开(公告)号：CN108446736A

公开(公告)日：2018-08-24

申请号：CN201810236079.6

申请日：2018-03-21

Applicant: 北京理工大学

Inventor： 罗森林 ,  王海州 ,  潘丽敏 ,  韩龙飞

IPC: G06K9/62

CPC classification number: G06K9/6226 ,  G06K9/6218

Abstract: 本发明公开了一种融合成对约束和规模约束的半监督聚类方法，属于计算机与信息科学技术领域。该方法包括：随机从少量样本标签数据选择样本对生成约束对，采用并查集方法扩展约束对；使用加权KKZ算法初始化聚类质心，避免选择噪声或异常数据作为初始化质心；更新高斯混合模型的目标函数，将不同监督信息作为不同参数的惩罚项，实现多目标监督信息整合。由于本发明提供的半监督聚类方法将多目标监督信息融合至半监督聚类，既提升了聚类的准确性，又避免了产生空类或仅包含少量样本的无效类别。