[發(fā)明專利]一種基于支持向量幾何意義的增量學(xué)習(xí)方法

有效

• 申請?zhí)枺?/td>: 201310585817.5
• 申請日: 2013-11-20
• 公開（公告）號: CN103605631A
• 公開（公告）日: 2014-02-26
• 發(fā)明（設(shè)計）人: 張笑欽;王迪;樊明宇
• 申請（專利權(quán)）人: 溫州大學(xué)
• 主分類號: G06F15/18
• 分類號: G06F15/18;G06K9/62
• 代理公司: 北京中北知識產(chǎn)權(quán)代理有限公司 11253
• 代理人: 程春生

1.一種基于支持向量幾何意義的增量學(xué)習(xí)方法，其特征在于包括以下步驟：

（1）、提出有效的選取給定個數(shù)凸包頂點樣本的方法，我們稱為CHVS方法，并從理論上證明了此方法能夠選取到凸包頂點樣本；

（2）、通過運用CHVS方法，從大數(shù)據(jù)量訓(xùn)練樣本中選取出那些能夠最大程度地保持各類凸包信息的重要樣本，稱為VS方法；

（3）、用這些選取的少量重要樣本與新來的樣本一起重新訓(xùn)練得到更新的分類器；

（4）、步驟（2）和（3）重復(fù)迭代，直到?jīng)]有新的樣本到來為止。

2.根據(jù)權(quán)利要求1所述的基于支持向量幾何意義的增量學(xué)習(xí)方法，其特征在于：所述的步驟（1）包括以下子不步驟：

首先，用貪婪的方法選取出d+1個凸包頂點樣本，使得它們所組成的d-單純形是所有由訓(xùn)練樣本中任意d+1個樣本組成的d-單純形中體積近似最大的一個，所述的d是樣本的維數(shù)；

其次，根據(jù)上一步所選取的d+1個凸包頂點樣本，將大數(shù)據(jù)量的樣本集合分成若干區(qū)域，使得在每一區(qū)域的樣本個數(shù)均不超過一個給定的閾值整數(shù)；

最后，計算各個區(qū)域上的樣本到此區(qū)域子凸包的距離，將距離最大的那個樣本加入到當(dāng)前的凸包頂點樣本集合中，同時更新此樣本所在區(qū)域的子凸包；迭代直到選取的凸包頂點樣本個數(shù)達(dá)到給定數(shù)目為止。

3.根據(jù)權(quán)利要去1所述的基于支持向量幾何意義的增量學(xué)習(xí)方法，其特征在于：所述的步驟（2）包括以下子步驟：

首先，初始化所需要選取的凸包頂點樣本占總樣本的比例；

其次，利用CHVS方法按照此比例在各類樣本集中分別選取凸包頂點樣本，用這些樣本來訓(xùn)練SVM分類器，并計算分類器在測試樣本集上的正確率；

再次，根據(jù)正確率來判斷當(dāng)前所選取的樣本是否能夠最大程度地保持各類訓(xùn)練樣本集的凸包信息；如果不是，增加所需要選取樣本的比例，返回步驟（2）的第二步驟；

如果能夠最大程度地保持各類訓(xùn)練樣本集的凸包信息，最后，輸出所選取的能夠最大程度地保持凸包信息的重要樣本子集。

4.根據(jù)權(quán)利要去1所述的基于支持向量幾何意義的增量學(xué)習(xí)方法，其特征在于：所述的步驟（3）包括以下子步驟：

首先，初始化當(dāng)前訓(xùn)練樣本集為已存在的所有訓(xùn)練樣本；

其次，利用步驟（2）在當(dāng)前訓(xùn)練樣本集中選出那些能夠最大程度地保持凸包信息的樣本作為當(dāng)前訓(xùn)練樣本，并用這些樣本訓(xùn)練SVM分類器；

再次，若有新來樣本，則計算其到當(dāng)前分類器超平面的距離，如果距離小于某個閾值，就將此樣本加入當(dāng)前訓(xùn)練樣本集中，進(jìn)行重新訓(xùn)練，實現(xiàn)分類器的更新；否則，分類器不更新；最后，判斷當(dāng)前訓(xùn)練樣本集中個數(shù)是否超過給定閾值，如果是，返回第二步，否則，返回第三步。