申请/专利权人：中国地质大学(武汉)

申请日：2020-12-18

公开（公告）日：2024-04-05

公开（公告）号：CN112633360B

主分类号：G06F18/241

分类号：G06F18/241;G06F18/214;G06N3/006;G06N3/04

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.04.27#实质审查的生效;2021.04.09#公开

摘要：本发明提供一种基于大脑皮层学习模式的分类方法，包括以下：首先判断训练样本集是否为连续型数据样本，如果是则对训练样本集进行数据离散化处理，然后利用训练样本集构建NMN模型，接着利用投票法训练NMN模型，为NMN模型中的神经节点之间的连线赋权值，获得NMN分类器，最后将待分类的样本数据输入NMN分类器，获得分类结果。本发明不仅简化了现有算法模型算法思想，还解决了算法模型需要大量训练集进行训练的问题，且本方法在小数据集和离散型数据集上的分类精度有很好的表现。

主权项：1.一种基于大脑皮层学习模式的分类方法，其特征在于：具体包括以下步骤：S101：判断训练样本集是否为连续型数据样，若是则将训练样本集离散化处理，进入步骤S102；否则，直接进入步骤S102；所述训练样本集为小样本数据和离散型样本数据集，具体包括：人脸识别数据集；S102：利用离散化后的训练样本集构建简单记忆网络NMN模型；S103：利用投票法训练所述NMN模型，得到训练好的NMN模型，即NMN分类器；S104：将待分类数据输入至所述NMN分类器，获得数据分类结果；步骤S102具体为：S201：将训练样本集D＝{r1,r2,r3,...,ri,...,rp}中任意一个训练样本ri分别用n个原始属性组成的向量表示，即ri＝t1,t2,...,tj,...,tn，其中的每个原始属性tj从该原始属性所对应的属性值集合Xj中取值；属性值集合Xj中具有sj种取值，i∈[1,p],j∈[1,n],p为训练样本总数，n为训练样本对应的原始属性总数；任意一个训练样本ri对应分类结果集合C＝{C1,C2,C3,...,Cq,...,Cm}中的一个分类结果；S202：初始化NMN模型；在NMN模型中设置n列神经节点，其中第j列神经节点从上至下依次表示n个原始属性中第j个联合属性的各个取值，为每相邻两列的神经节点之间的连线分别设m个初始值为0的权值，其中第j列第u个神经节点与第j+1列第v个神经节点之间的第q个权值用表示，并且该第q个权值与分类结果集合C中的分类结果Cq一一对应，q∈[0,m-1]，u∈[1,sj],v∈[1,sj+1]；步骤S103具体如下：利用投票法训练NMN模型，为NMN模型中神经节点之间的连线赋予权值：S301：对于一个训练样本ri其分类结果为Cq；S302：根据训练样本ri原始属性值在NMN模型中找出其原始属性值对应的路径，将路径中连线上的权值分别累加1；S303：采用步骤S301～S302的方法遍历所述训练样本集D，直至完成所有神经节点之间的权值赋予；步骤S104具体为：根据样本数据的原始属性值在NMN模型中找出其原始属性值对应的路径，分别计算分类结果集合中各个分类结果所对应的权值的总和，取其中总和最大的权值所对应的分类结果，即为待分类的样本数据的分类结果。

全文数据：

权利要求：

百度查询： 中国地质大学(武汉) 一种基于大脑皮层学习模式的分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD