基于超球体群包裹的高维数据分类与生成方法

本发明提出一种基于超球体群包裹（HGW）的机器学习方法，解决高维数据中复杂或不连续流形结构的捕捉难题。该方法通过构建不同直径的超球体群包裹数据集，形成类气泡结构，不同类别的超球体互不重叠，其包络构成分类超曲面。数据落入同一超球体即判为同类，未包裹数据可通过新增超球体或其他方法处理。优势在于：（1）预生成超球体确保分类初始稳定性，适用于医疗、金融等敏感领域；（2）分类时间成本不随数据量增加，适合大规模应用；（3）能处理复杂不连续流形，支持增量学习，兼具数据生成功能。实验显示，该方法在合成和真实数据集中分类准确率和鲁棒性优于KNN、K‑Means等传统算法，擅长非连续流形结构，为高维数据分类提供了高效可靠的新方案。