專利名稱:資料自動分類系統(tǒng)及方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種資料自動分類系統(tǒng)及方法。
技術(shù)背景
今天的手機(jī)，除了用于通話外，其他的附加功能日漸豐富，在手機(jī)開發(fā)商和服務(wù)商不遺 余力的挖掘下，手機(jī)的娛樂價值日益凸現(xiàn)。
隨著人們生活的日益豐富，單純通話功能的手機(jī)滿足不了消費(fèi)者多樣化、個性化的需求 ，娛樂功能的手機(jī)應(yīng)運(yùn)而生。而娛樂型的手機(jī)對于如今日益眾多并且具備消費(fèi)潛力的年輕一 族來說是非常具有吸引力的，比如在等車的時候，取出手機(jī)玩一會兒有趣的游戲或聽一首動 聽的歌曲，就是一個不錯的選擇。如今的大多數(shù)手機(jī)都具備一定的存儲容量，比如通過J AvA下載最新游戲、通過網(wǎng)絡(luò)下載最新的電影及歌曲等，可以滿足消費(fèi)者的這種需求，而這 些附加功能需要手機(jī)具備一定存儲容量。
然而，隨著手機(jī)存儲容量的增大，用戶下載的資料會越來越多，例如，某用戶喜歡聽 音樂，他會下載很多歌曲到手機(jī)里，然而當(dāng)歌曲非常多時，導(dǎo)致用戶無法進(jìn)行有效的對下載 的音樂進(jìn)行分類，且用戶無法快速査找到自己喜愛的音樂。

發(fā)明內(nèi)容
鑒于以上內(nèi)容，有必要提供一種資料自動分類系統(tǒng)，其可自動將用戶下載的資料進(jìn)行自 動分類。
鑒于以上內(nèi)容，還有必要提供一種資料自動分類方法，其可自動將用戶下載的資料進(jìn)行 自動分類。
本發(fā)明較佳實施例提供一種資料自動分類系統(tǒng)，運(yùn)行于移動裝置中，其可將用戶下載至
該移動裝置中的資料進(jìn)行自動分類，該系統(tǒng)包括
特征值擷取裝置，接收用戶下載的資料并利用運(yùn)動圖像專家組擷取所下載資料的特征值
神經(jīng)網(wǎng)絡(luò)，接收特征值擷取裝置所傳送的下載資料的特征值，并根據(jù)用戶預(yù)先訓(xùn)練好的 神經(jīng)網(wǎng)絡(luò)模型將該下載資料的特征值進(jìn)行自動分類以得到下載資料的分類。 所述的神經(jīng)網(wǎng)絡(luò)模型可以為前饋型神經(jīng)網(wǎng)絡(luò)模型或反饋型神經(jīng)網(wǎng)絡(luò)模型。 本發(fā)明較佳實施例還提供一種資料自動分類方法，其可將用戶下載至該移動裝置中的資
料進(jìn)行自動分類，該方法包括步驟 接收用戶下載的資料；
利用運(yùn)動圖像專家組擷取該下載資料的特征值； 將該下載資料的特征值傳送到神經(jīng)網(wǎng)絡(luò)；
利用預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型將該下載資料的特征值進(jìn)行分類以得到下載資料的分類
其中，所述預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練步驟包括
(a) 確認(rèn)其網(wǎng)絡(luò)結(jié)構(gòu)及神經(jīng)元數(shù)量；
(b) 初始化該神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)重函數(shù)；
(c) 輸入用戶定義的資料所屬分類；
(d) 輸入一訓(xùn)練數(shù)值；
(e )根據(jù)所述權(quán)重函數(shù)計算該輸入訓(xùn)練數(shù)值的網(wǎng)絡(luò)輸出；
(f) 根據(jù)該網(wǎng)絡(luò)輸出重新計算權(quán)重函數(shù)；及
(g) 重復(fù)步驟(d)到(f)直到該神經(jīng)網(wǎng)絡(luò)收斂以得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型。 相較于現(xiàn)有技術(shù)，所述的資料自動分類系統(tǒng)及方法，其通過擷取用戶下載資料的特征值
，并利用預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型自動進(jìn)行分類以得到下載資料的分類，從而有效提高資 料的分類速度，并且用戶可以快速査找到自己想要的資料。


圖l是本發(fā)明資料自動分類系統(tǒng)的應(yīng)用環(huán)境圖。 圖2是本發(fā)明資料自動分類系統(tǒng)功能單元圖。 圖3是本發(fā)明資料自動分類方法較佳實施例的流程圖。 圖4是神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程流程圖。 圖5及圖6神經(jīng)網(wǎng)絡(luò)的訓(xùn)練示意圖。
具體實施方式
參閱圖1所示，是本發(fā)明資料自動分類系統(tǒng)較佳實施例的應(yīng)用環(huán)境圖。該資料自動分類 系統(tǒng)IO (以下簡稱該系統(tǒng)IO)運(yùn)行于一移動裝置l中，如手機(jī)，PDA， MP3等。該系統(tǒng)10用于 對用戶從外部網(wǎng)絡(luò)下載的資料按照用戶自己定義的類型進(jìn)行分類，該下載的資料為多媒體資 料，如聲音，影像以及文字等。例如，當(dāng)用戶下載的資料為歌曲時，且當(dāng)歌曲數(shù)量很多時， 用戶可利用該系統(tǒng)10對歌曲按照自己喜歡的方式進(jìn)行分類，如將歌曲按照歌手來分，按照歌 手國籍等來分類。該移動裝置1還包括一存儲裝置12，其用于存儲該系統(tǒng)10進(jìn)行分類后的資
料。
參閱圖2所示，是本發(fā)明資料自動分類系統(tǒng)的功能單元圖。該系統(tǒng)10包括一資料特征值 擷取裝置100及一神經(jīng)網(wǎng)絡(luò)110。
該資料特征值擷取裝置100利用運(yùn)動圖像專家組(Moving Picture Experts Group, MPEG-7)擷取所下載資料的特征值。其中MPEG-7為一多媒體內(nèi)容描述接口，旨在解決對多媒 體信息描述的標(biāo)準(zhǔn)問題，并將該描述與所描述的內(nèi)容相聯(lián)系，以實現(xiàn)快速有效的搜索。只有 首先解決了多媒體信息的規(guī)范化描述之后，才能更好地實現(xiàn)信息定位。該MPEG-7提供了17種 聲音描述方法，其大致可以分成6類，如Timbral Temporal, Basic Spectral, Basic, Timbral Spectral, Spectral Basic及Signal Parameters。而特征值是用來表征所下載資 料信息的數(shù)據(jù)。
神經(jīng)網(wǎng)絡(luò)110接收到該特征值后，利用該移動裝置l在出貨前預(yù)先訓(xùn)練好的模型將接收到 的特征值按照用戶定義的類別進(jìn)行分類。其訓(xùn)練過程可參考圖5及圖6所示，如圖5開始訓(xùn)練 時，用戶定義數(shù)字1 10經(jīng)神經(jīng)網(wǎng)絡(luò)110后分類成A，而數(shù)字ir20經(jīng)神經(jīng)網(wǎng)絡(luò)110后分類成B。 則經(jīng)過訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)110 (如圖6所示)，當(dāng)用戶輸入數(shù)字3到神經(jīng)網(wǎng)絡(luò)110時，其自動將 數(shù)字3分成A類，而當(dāng)用戶輸入數(shù)字15到神經(jīng)網(wǎng)絡(luò)110時，其自動將數(shù)字15分成B類。目前神經(jīng) 網(wǎng)絡(luò)的模型大致有十來種，最主要的兩種通用模型為前饋型神經(jīng)網(wǎng)絡(luò)模型(Feedforward Neural Network Model)及反饋型神經(jīng)網(wǎng)絡(luò)模型(Feedback Neural Network Model)。
圖3是本發(fā)明資料自動分類方法的工作流程圖。步驟S300，接收用戶從外部網(wǎng)絡(luò)下載的 資料，如歌曲。步驟S301，資料特征值擷取裝置100利用MPEG-7擷取所下載資料的特征值， 如擷取歌曲的特征值。而特征值是用來表征所下載資料信息的數(shù)據(jù)。其中MPEG-7為一多媒體 內(nèi)容描述接口，旨在解決對多媒體信息描述的標(biāo)準(zhǔn)問題，并將該描述與所描述的內(nèi)容相聯(lián)系 ，以實現(xiàn)快速有效的搜索。只有首先解決了多媒體信息的規(guī)范化描述之后，才能更好地實現(xiàn) 信息定位。該MPEG-7提供了17種聲音描述方法，其大致可以分成6類，如Timbral Temporal ，Basic Spectral, Basic, Timbral Spectral, Spectral Basic及Signal Parameters。
步驟S302，資料特征值擷取裝置100將擷取到的特征值傳送到神經(jīng)網(wǎng)絡(luò)l 10。
步驟S303，該神經(jīng)網(wǎng)絡(luò)110利用預(yù)先訓(xùn)練好的模型將所述特征值進(jìn)行分類得到用戶所下 載資料的分類，其中神經(jīng)網(wǎng)絡(luò)110的訓(xùn)練過程可參考圖4。目前神經(jīng)網(wǎng)絡(luò)的模型大致有十來種 ，最主要的兩種通用模型為前饋型神經(jīng)網(wǎng)絡(luò)模型(Feedforward Neural Network Model)及 反饋型神經(jīng)網(wǎng)絡(luò)模型(Feedback Neural Network Model)。
參閱圖4所示，是神經(jīng)網(wǎng)絡(luò)110的訓(xùn)練流程圖。步驟S400，該神經(jīng)網(wǎng)絡(luò)110確認(rèn)其網(wǎng)絡(luò)結(jié)
構(gòu)及神經(jīng)元數(shù)量。步驟S401，初始化該神經(jīng)網(wǎng)絡(luò)110的網(wǎng)絡(luò)權(quán)重函數(shù)。步驟S402，輸入用戶 定義的資料所屬分類。步驟S403，輸入一訓(xùn)練的數(shù)值。步驟S404，根據(jù)所述權(quán)重函數(shù)計算該 輸入的訓(xùn)練數(shù)值的網(wǎng)絡(luò)輸出。步驟S405，根據(jù)該網(wǎng)絡(luò)輸出重新計算權(quán)重函數(shù)。最后，步驟 S406，重復(fù)步驟S403到步驟S405以使該神經(jīng)網(wǎng)絡(luò)110收斂以得到訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，通 過該神經(jīng)網(wǎng)絡(luò)模型以使經(jīng)過神經(jīng)網(wǎng)絡(luò)110處理過得到的網(wǎng)絡(luò)輸出與用戶輸入的資料所屬分類 一致。
權(quán)利要求
1.一種資料自動分類系統(tǒng)，運(yùn)行于移動裝置中，其可將用戶下載至該移動裝置中的資料進(jìn)行自動分類，其特征在于，該系統(tǒng)包括特征值擷取裝置，接收用戶下載的資料并利用運(yùn)動圖像專家組擷取所下載資料的特征值；神經(jīng)網(wǎng)絡(luò)，接收特征值擷取裝置所傳送的下載資料的特征值，并根據(jù)用戶預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型將該下載資料的特征值進(jìn)行自動分類以得到下載資料的分類。
專利摘要
本發(fā)明提供一種資料自動分類系統(tǒng)及方法，該系統(tǒng)運(yùn)行于移動裝置中，其可將用戶下載至該移動裝置中的資料進(jìn)行自動分類，該系統(tǒng)包括特征值擷取裝置，接收用戶下載的資料并利用運(yùn)動圖像專家組擷取所下載資料的特征值；神經(jīng)網(wǎng)絡(luò)，接收特征值擷取裝置所傳送的下載資料的特征值，并根據(jù)用戶預(yù)先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型將該特征值進(jìn)行自動分類以得到下載資料的分類。通過本發(fā)明，可快速有效的將用戶下載的資料進(jìn)行自動分類。
文檔編號GKCN101374298SQ200710201462
公開日2009年2月25日 申請日期2007年8月24日
發(fā)明者陳孟君 申請人:深圳富泰宏精密工業(yè)有限公司;奇美通訊股份有限公司導(dǎo)出引文BiBTeX, EndNote, RefMan