摘要 |
本发明涉及一种基于增强聚类的机器学习算法,包括以下步骤:分析基础数据的特征,随机编写一定数量的特征模板;对编写的特征模板在工作环境下依次对在线获得的数据进行分类测试;统计分类测试结果,预设相应分类标准,对特征模板匹配成功率的最大值与平均值差值处理,若差值不大于预设的分类标准,则认为所选均能达到目标要求;若差值大于预设的分类标准,则对特征模板进行筛选;利用筛选出的较好特征模板进行下一组迭代试验;直至试验中某组特征模板能满足处理后的匹配成功率的最大值与平均值差值不大于预设分类标准,则认为所选均能达到目标要求。该算法易于实施,鲁棒性强,可广泛应用图像、文本、音频等基础数据的实时在线优化。 |
