數(shù)據(jù)分類方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本公開涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，尤其涉及一種數(shù)據(jù)分類方法及裝置。
【背景技術(shù)】
[0002] 分類可用于預(yù)測，預(yù)測的目的是從歷史數(shù)據(jù)記錄中從而能對未來自動推導(dǎo)出對給 定數(shù)據(jù)的趨勢描述，從而能對未來數(shù)據(jù)進行類預(yù)測。數(shù)據(jù)分類具有廣泛的應(yīng)用，例如：醫(yī)療 診斷、信用卡系統(tǒng)的信用分級、圖像模式識別等領(lǐng)域。
[0003] 分類的目的是學(xué)會一個分類器（分類函數(shù)或分類模型），該分類器能夠把數(shù)據(jù)塊 中待分類的數(shù)據(jù)項映射到給定的某個特定類別中。但相關(guān)技術(shù)中，在訓(xùn)練分類器時，通常利 用大量的隨機信號作為輸入信號用來訓(xùn)練分類字典（即分類器），這使得分類字典的訓(xùn)練 過程復(fù)雜而且耗時較長，導(dǎo)致數(shù)據(jù)分類的速度較慢、效率較低。

【發(fā)明內(nèi)容】

[0004] 為克服相關(guān)技術(shù)中存在的問題，本公開提供一種數(shù)據(jù)分類方法及裝置。
[0005] 根據(jù)本公開實施例的第一方面，提供一種數(shù)據(jù)分類方法，包括：
[0006] 識別預(yù)設(shè)樣本數(shù)據(jù)庫中每個訓(xùn)練樣的類別；
[0007] 在預(yù)設(shè)樣本數(shù)據(jù)庫中分別選取第一訓(xùn)練樣本集和第二訓(xùn)練樣本集，每個訓(xùn)練樣本 集都包含有所述預(yù)設(shè)樣本數(shù)據(jù)庫中所有類別的多個訓(xùn)練樣本；
[0008] 根據(jù)所述第一訓(xùn)練樣本集中的訓(xùn)練樣本確定所述第一訓(xùn)練樣本集的平均樣本，并 利用預(yù)設(shè)迭代算法對所述平均樣本進行迭代運算得到所述第一訓(xùn)練樣本集的分類字典；
[0009] 將所述第二訓(xùn)練樣本集中的每個訓(xùn)練樣本在所述分類字典下分解得到一個訓(xùn)練 稀疏系數(shù)向量，并將得到的所有訓(xùn)練稀疏系數(shù)向量級聯(lián)得到訓(xùn)練矩陣，所述訓(xùn)練矩陣包含 有至少兩個列向量；
[0010] 根據(jù)所述第二訓(xùn)練樣本集中的每個訓(xùn)練樣本的類別確定所述訓(xùn)練矩陣中每個列 向量的類別標(biāo)簽，并保存所述訓(xùn)練矩陣中每個列向量對應(yīng)的類別標(biāo)簽。
[0011] 結(jié)合第一方面，在第一方面第一種可能的實現(xiàn)方式中，所述訓(xùn)練樣本為圖像；
[0012] 所述根據(jù)所述第一訓(xùn)練樣本集中的訓(xùn)練樣本確定所述第一訓(xùn)練樣本集的平均樣 本，包括：
[0013] 計算所述第一訓(xùn)練樣本集中所有訓(xùn)練樣本相同位置上像素點的像素值的平均 值；
[0014] 將所有位置像素點的像素值均為對應(yīng)位置像素點像素值的平均值的樣本確定為 所述第一訓(xùn)練樣本集的平均樣本。
[0015] 結(jié)合第一方面，在第一方面第二種可能的實現(xiàn)方式中，所述預(yù)設(shè)迭代算法為KSVD 算法。
[0016] 結(jié)合第一方面第二種可能的實現(xiàn)方式，在第一方面第三種可能的實現(xiàn)方式中，所 述利用預(yù)設(shè)迭代算法對所述平均樣本進行迭代運算得到所述第一訓(xùn)練樣本集的分類字典， 包括：
[0017] 獲取初始化字典；
[0018] 利用初始化字典和所述平均樣本采用正交匹配跟蹤算法計算得到稀疏系數(shù)矩 陣；
[0019] 根據(jù)得到的稀疏系數(shù)矩陣?yán)萌缦鹿降馗路诸愖值渑c稀疏系數(shù)矩陣；
[0020] min(X，D)(| |Y-DX| |F)2s.t.I|Xi|I彡T。，其中X為稀疏系數(shù)矩陣，D為分類字典，Y 為平均樣本對應(yīng)的矩陣。
[0021] 根據(jù)本公開實施例的第二方面，提供一種數(shù)據(jù)分類方法，包括：
[0022] 在預(yù)設(shè)樣本數(shù)據(jù)庫任意選取一個訓(xùn)練樣本作為測試樣本；
[0023] 將所述測試樣本映射到上述的分類字典上得到所述測試樣本的稀疏系數(shù)向量；
[0024] 計算所述稀疏系數(shù)向量與上述的訓(xùn)練矩陣中每個列向量的漢明距離；
[0025] 根據(jù)所述稀疏系數(shù)向量與所述的訓(xùn)練矩陣中所有列向量的漢明距離確定所述測 試樣本的目標(biāo)類別。
[0026] 結(jié)合第二方面，在第二方面第一種可能的實現(xiàn)方式中，所述根據(jù)所述稀疏系數(shù)向 量與所述的訓(xùn)練矩陣中所有列向量的漢明距離確定所述測試樣本的目標(biāo)類別，包括：
[0027] 比較所述稀疏系數(shù)向量與所述的訓(xùn)練矩陣中所有列向量的漢明距離；
[0028] 在所述訓(xùn)練矩陣中所有列向量選取漢明距離最小的所有列向量作為參考列向 量；
[0029] 根據(jù)所述訓(xùn)練矩陣中每個列向量對應(yīng)的類別標(biāo)簽，統(tǒng)計所有所述參考列向量對應(yīng) 的每個類別的類別標(biāo)簽的數(shù)量；
[0030] 將數(shù)量最多的類別標(biāo)簽所對應(yīng)的類別確定為所述測試樣本的目標(biāo)類別。
[0031] 根據(jù)本公開實施例的第三方面，提供一種數(shù)據(jù)分類裝置，包括：
[0032] 類別識別模塊，用于識別預(yù)設(shè)樣本數(shù)據(jù)庫中每個訓(xùn)練樣的類別；
[0033] 樣本集選取模塊，用于在預(yù)設(shè)樣本數(shù)據(jù)庫中分別選取第一訓(xùn)練樣本集和第二訓(xùn)練 樣本集，每個訓(xùn)練樣本集都包含有所述預(yù)設(shè)樣本數(shù)據(jù)庫中所有類別的多個訓(xùn)練樣本；
[0034] 平均樣本確定模塊，用于根據(jù)所述第一訓(xùn)練樣本集中的訓(xùn)練樣本確定所述第一訓(xùn) 練樣本集的平均樣本；
[0035] 計算模塊，用于利用預(yù)設(shè)迭代算法對所述平均樣本進行迭代運算得到所述第一訓(xùn) 練樣本集的分類字典；
[0036] 分解模塊，用于將所述第二訓(xùn)練樣本集中的每個訓(xùn)練樣本在所述分類字典下分解 得到一個訓(xùn)練稀疏系數(shù)向量；
[0037] 級聯(lián)模塊，用于將得到的所有訓(xùn)練稀疏系數(shù)向量級聯(lián)得到訓(xùn)練矩陣，所述訓(xùn)練矩 陣包含有至少兩個列向量；
[0038] 類別標(biāo)簽確定模塊，用于根據(jù)所述第二訓(xùn)練樣本集中的每個訓(xùn)練樣本的類別確定 所述訓(xùn)練矩陣中每個列向量的類別標(biāo)簽，并保存所述訓(xùn)練矩陣中每個列向量對應(yīng)的類別標(biāo) 簽。
[0039] 結(jié)合第三方面，在第三方面第一種可能的實現(xiàn)方式中，所述訓(xùn)練樣本為圖像；
[0040] 平均樣本確定模塊，包括：
[0041] 平均值計算子模塊，用于計算所述第一訓(xùn)練樣本集中所有訓(xùn)練樣本相同位置上像 素點的像素值的平均值；
[0042] 第一確定子模塊，用于將所有位置像素點的像素值均為對應(yīng)位置像素點像素值的 平均值的樣本確定為所述第一訓(xùn)練樣本集的平均樣本。
[0043] 結(jié)合第三方面第一種可能的實現(xiàn)方式，在第三方面第二種可能的實現(xiàn)方式中，所 述預(yù)設(shè)迭代算法為KSVD算法；
[0044] 所述計算模塊，包括：
[0045] 初始化字典獲取子模塊，用于獲取初始化字典；
[0046] 第一計算子模塊，用于利用初始化字典采用正交匹配跟蹤算法計算得到稀疏系數(shù) 矩陣；
[0047] 迭代計算子模塊，用于根據(jù)得到的稀疏系數(shù)矩陣?yán)萌缦鹿降馗路诸愖?典與稀疏系數(shù)矩陣；
[0048] min(X，D)(| |Y-DX| |F)2s.t. | |Xi| |彡T。，其中X為稀疏系數(shù)矩陣，D為分類字典，Y 為平均樣本對應(yīng)的矩陣。
[0049] 根據(jù)本公開實施例的第四方面，提供一種數(shù)據(jù)分類裝置，包括：
[0050] 測試樣本選取模塊，用于在預(yù)設(shè)樣本數(shù)據(jù)庫任意選取一個訓(xùn)練樣本作為測試樣 本；
[0051] 稀疏系數(shù)向量確定模塊，用于將所述測試樣本映射到上述的分類字典上得到所述 測試樣本的稀疏系數(shù)向量；
[0052] 漢明距離計算模塊，用于計算所述稀疏系數(shù)向量與上述的訓(xùn)練矩陣中每個列向量 的漢明距離；
[0053] 目標(biāo)類別確定模塊，用于根據(jù)所述稀疏系數(shù)向量與所述的訓(xùn)練矩陣中所有列向量 的漢明距離確定所述測試樣本的目標(biāo)類別。
[0054] 結(jié)合第四方面，在第四方面第一種可能的實現(xiàn)方式中，所述目標(biāo)類別