申请号：CN201910994868.0

专利名称： 一种具有可解释性的直推学习方法及系统

发明人：吕文君; 康宇; 李泽瑞; 昌吉

专利类型：发明专利

摘要：

本发明公开了一种具有可解释性的直推学习方法及系统，属于数据处理技术领域，包括：获取数据的样本集合，将样本集合划分为有标注样本集合和无标注样本集合；基于数据同质性假设对样本集合进行处理，构造集成亲和矩阵和亲和矩阵集成系数；利用集成亲和矩阵对无标注集合中的图像进行伪标注，得到伪标注样本集合；利用有标注样本集合和伪标注样本集合，对决策树模型进行训练；对亲和矩阵集成系数进行更新，直至亲和矩阵逼近最优，输出决策树模型；利用决策树模型对实时采集的图像进行标记分类。本发明构建的直推学习分类模型具有可解释性，适用于对风险极其敏感的场景。