技术总结
本发明公开了一种基于Bagging和离群点的分类结果置信度的度量方法，首先采用Logistic回归、支持向量机和朴素贝叶斯中的一个作为基分类器对待度量置信度数据进行分类，计算在不同分类中的分类概率得到待度量置信度数据的分类结果集和分类概率集，通过分类结果集得到待度量置信度数据的分类结果；在分类概率集中，将每个分类作为空间中一个点，以分类结果对应分类概率集中的点作为离群点，余下分类对应分类概率集中的点为一个簇，最后使用欧式距离比较簇内每个点到簇质心的距离和到离群点的距离，若满足簇内所有点到簇质心的距离小于到离群点的距离，则该分类结果为可信，反之则为不可信。本发明避免了模型再学习时因采用了不可信的分类结果对训练模型的影响。
技术研发人员：严云洋;瞿学新;朱全银;于柿民;赵阳;唐海波;潘舒新
受保护的技术使用者：淮阴工学院
文档号码：201710054802
技术研发日：2017.01.24
技术公布日：2017.06.20