1.基于卷积神经网络的数值型数据的雷达图表示的分类方法，其特征包括如下步骤：S1、采集并预处理数值型数据，建立训练集：每个数值型数据包含其特征及标签；采集并预处理数值型数据的方法为：1.1、采集数值型数据，并将其进行特征排序：(1a)、采集数值型数据，建立初始训练集S；(1b)、对步骤(1a)所建立初始训练集S中的数值型数据进行标准化处理，处理公式如下：S＝{(x1,y1) ,(x2,y2) ,…,(xN,yN)}其中：i＝1,2,…,N，j＝1,2,…,d；xi表示第i个数值型数据，yi表示第i个数值型数据的标签；表示第i个训练数据的第j维特征；μj表示第j维特征的平均值，σj表示第j维特征的

方差，表示xi的第j维特征经过标准化处理过后的新特征；标准化后的初始训练集为：其中表示经过标准化处理过后的第i个数值化数据；(1c)、分别计算步骤(1b)所得标准化处理后的初始训练集中特征与标签之间的欧式距离：(1d)、根据步骤(1c)所得各个特征与标签之间的欧氏距离dj，按照从大到小进行排序，

获得特征组合其中表示步骤(1c)所得各个特征与标签之间的欧氏距离dj最小的一维特征数据；

1.2、利用特征排序后的数据选出最优的特征组合，根据最优的特征组合所对应的数值型数据，建立训练集；S2、将步骤S1所得数据集中数值型数据表示成图像数据，利用所得图像数据建立图片数值化数据集train_x；步骤如下：2.1、将训练集中数值型数据的特征依次进行归一化处理；其中，表示第i个数值型数据的第j维特征，表示归一化后的第i个数值型数据的第j维特征；xj表示训练集中所有数值型数据的第j维特征，max  xj表示xj中的最大值，min  xj

表示xj中的最小值；2.2、根据步骤2.1所得利用polar函数绘制对应数值型数据的雷达图，并利用所得雷

达图建立图片数值化数据集train_x；S3、构建卷积神经网络基本结构；S4、利用步骤S2所得图片数值化数据集train_x及其标签训练获得卷积神经网络模型；S5、将待分类数值型数据表示为图像数据后输入卷积神经网络模型进行分类。2.根据权利要求1所述的基于卷积神经网络的数值型数据的雷达图表示的分类方法，其特征在于：所述卷积神经网络包括输入层，两个卷积层、两个池化层，全连接层以及输出层；所述卷积层的激活函数选取sigmoid函数，输出层采用RBF神经网络进行概率分类；所述卷积神经网络的最终代价函数选取均方根误差函数，误差采用反向传播对权重W和偏置b进行调整。3.根据权利要求1或2所述的基于卷积神经网络的数值型数据的雷达图表示的分类方法，其特征在于：所述步骤1.2中利用特征排序后的数据选出最优的特征组合的方法为：(2a)、建立一个空的特征子集F；(2b)、按照步骤(1d)所得特征组合中各维特征数据的顺序依次将其特征进行组合并加入到特征子集F中；特征子集

计算所得特征子集F中每个特征组合中特征与特征，特征与标签之间的欧式距离，并再求其平均值；选择平均值最大且至少含有4个特征的特征组合则为最优的特征组合；当平均值最大的特征组合中特征个数小于4个，则取步骤(1d)所得特征组合中前4个特征组成其最优特征组合；所述步骤1.2中根据最优的特征组合所对应的数值型数据建立训练集的方法为：根据步骤(2b)选出的最优特征组合，从步骤(1a)所建立初始训练集中取出该最优特征组合所对应特征，建立训练集。4.根据权利要求3所述的基于卷积神经网络的数值型数据的雷达图表示的分类方法，其特征在于：所述步骤2.2中利用polar函数绘制对应数值型数据的雷达图的方法为：根据最优特征组合中特征个数确定雷达图半径的个数，每个半径代表对应的特征，半径的长度即为该特征归一化过后的数值。5.根据权利要求4所述的基于卷积神经网络的数值型数据的雷达图表示的分类方法，其特征在于：所述S5将待分类数值型数据表示为图像数据后输入卷积神经网络模型进行分类的方法为：利用polar函数绘制待分类数值型数据的雷达图后输入卷积神经网络模型进行分类；所述polar函数绘制待分类数值型数据的雷达图的方式包括：将待分类数值型数据按照步骤S1进行预处理，获取其选出最优特征组合后，再利用polar函数根据最优特征组合所对应的特征绘制其雷达图。