欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2020108131783
申请人: 浙江师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于平均距离权重和价值计算的多标签分类方法,该方法应用于药物研发领域,多标签分类关系是药物与靶标对应的关系,即每个靶标对应多个药物,同样药物分子也对应多个靶标,其特征在于,方法流程如下:步骤一,计算标签yj的先验概率,计算公式为:

s为拉普拉斯平滑系数,一般取1,m为数据集中训练集的样本个数;

步骤二,计算训练集样本xz的K个邻居N(xi);

步骤三,计算近邻样本选中标签yj的个数;

步骤四,h[a]=0,h'[a]=0,对于样本xi,如果含有标签yj,则对于h[a]和h'[a]需要满足的条件为h[a]=h[a]+1&&h'[a]=h'[a]‑1,如果不包含标签yj,则需要满足的条件为h'[a]=h'[a]+1&&h[a]=h[a]‑1;

步骤五,对于测试集样本xi中的近邻,若最终h[Cj(xi)]<0或者h'[Cj(xi)]<0,则需将h[Cj(xi)]或者h'[Cj(xi)]的值置为0;

步骤六,计算后验条件概率;

所述后验条件概率计算公式为:

其中s为拉普拉斯平滑系数,一般取1;

步骤七,对于xi包含标签的样本和不包含标签的样本对其分别计算平均距离d和d',采用欧式距离;

距离转化公式为:

(d,d')表示两个样本之间的距离,a为一个常数,将w的公式代入决策函数中,决策函数的最终形式为:

其中含有标签j时,j=1,否则j=0;当j=1时,t表示含有标签j的近邻样本的个数,w表示含有标签j的近邻样本的平均距离转化的权重;

当j=0时,表示不含有标签j的近邻样本个数,w表示不含有标签j的近邻样本的平均距离转化的权重,t/K和(K‑t)/K分别表示不同的加权系数;

步骤八,根据决策公式计算最终结果,判断xi的分类结果。

2.根据权利要求1所述的基于平均距离权重和价值计算的多标签分类方法,其特征在于,所述步骤四即为价值计算,训练集样本在完成价值计算之后,如果h[a]或者h'[a]的值小于0时,则将h[a]或者h'[a]的值置为0。

3.根据权利要求2所述的基于平均距离权重和价值计算的多标签分类方法,其特征在于,所述价值计算的过程主要为:计算后验条件概率P(Cj(xi)|yj)时,当数据集中的某一样本x的近邻中有a个近邻选择标签yj,且样本x选择了标签yj,则h[a]的值增加1,将h'[a]的值减少1;若样本x未选择标签yj,并且有a个近邻选择标签yj,则对h'[a]的值增加1,h[a]的值减少1,初始值为0,h'[a]的最大值为K;当计算后的h[a]或者h'[a]的值小于0时,将h[a]或者h'[a]的值均置为0;最后通过最终得到的h[a]和h'[a]计算后验条件概率。

4.根据权利要求1所述的基于平均距离权重和价值计算的多标签分类方法,其特征在于,所述决策函数的过程:步骤1,首先确定ML‑kNN中标签的先验概率:

其中,s为拉普拉斯平滑系数,一般取1,m数据集中训练集的样本个数;

步骤2,在ML‑kNN基础上得到一个新的分类函数:其中含有标签j时,j=1,否则j=0;当j=1时,t表示含有标签j的近邻样本的个数,w表示含有标签j的近邻样本的平均距离转化的权重;

当j=0时,表示不含有标签j的近邻样本个数,w表示不含有标签j的近邻样本的平均距离转化的权重,t/K和(K‑t)/K分别表示不同的加权系数;

距离转化成权重w要求距离越小则权重越大;

步骤3,高斯转换

其中a和b为常数项;

步骤4,将w的公式代入决策函数中,决策函数的最终形式为: