[發(fā)明專利]基于線性支持向量機的分類方法及裝置在審
| 申請?zhí)枺?/td> | 201310746140.9 | 申請日： | 2013-12-30 |
| 公開（公告）號： | CN104750734A | 公開（公告）日： | 2015-07-01 |
| 發(fā)明（設(shè)計）人： | 蘭亮;曾嘉;袁明軒 | 申請（專利權(quán)）人： | 華為技術(shù)有限公司 |
| 主分類號： | G06F17/30 | 分類號： | G06F17/30 |
| 代理公司： | 北京同立鈞成知識產(chǎn)權(quán)代理有限公司 11205 | 代理人： | 劉芳 |
| 地址： | 廣東省深圳市*** | 國省代碼： | 廣東;44 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 線性 支持 向量 分類 方法 裝置 | ||
本發(fā)明實施例提供一種基于線性支持向量機的分類方法及裝置。本發(fā)明基于線性支持向量機的分類方法，包括：獲取訓練數(shù)據(jù)中各樣本點的貢獻值，所述貢獻值表示所述樣本點對獲取線性支持向量機SVM模型的重要程度；根據(jù)所述各樣本點的貢獻值選取所述訓練數(shù)據(jù)中部分樣本點進行目標函數(shù)優(yōu)化，確定所述線性SVM模型；根據(jù)所述線性SVM模型，預測對測試數(shù)據(jù)的分類結(jié)果。本發(fā)明實施例根據(jù)訓練數(shù)據(jù)中各樣本點對獲得線性SVM的模型的貢獻大小，確定子訓練數(shù)據(jù)，并根據(jù)此子訓練數(shù)據(jù)確定線性SVM的模型，加快線性SVM算法的收斂速度。
技術(shù)領(lǐng)域
本發(fā)明實施例涉及數(shù)據(jù)處理技術(shù)，尤其涉及一種基于線性支持向量機的分類方法及裝置。
背景技術(shù)
由于處理實際問題中分類效果的顯著，支持向量機（Support Vector Machine，簡稱：SVM）被廣泛的應(yīng)用到現(xiàn)實生活中的各種分類問題，例如，SVM被用于圖像識別，推薦系統(tǒng)或文本分類等。SVM包括線性SVM和非線性SVM，其中，相比于非線性SVM的求解需要O(N
目前，線性SVM算法主要包括：（1）基于隨機梯度下降（Stochastic GradientDescent，簡稱：SGD）的Pegasos開源軟件包；（2）基于坐標下降（Dual Coordinate Descent，簡稱：DCD）方法解決SVM的對偶問題的Liblinear開源軟件包。上述兩種方法都是在線性的時間復雜度中訓練得到線性SVM模型。但隨著數(shù)據(jù)樣本量和維度的大幅增加，其獲取線性SVM模型的時間復雜度將成為線性SVM應(yīng)用的一個瓶頸。
發(fā)明內(nèi)容
本發(fā)明實施例提供一種基于線性支持向量機的分類方法及裝置，以解決現(xiàn)有線性SVM算法收斂速度慢的問題。
第一方面，本發(fā)明實施例提供一種基于線性支持向量機的分類方法，包括：
獲取訓練數(shù)據(jù)中各樣本點的貢獻值，所述貢獻值表示所述樣本點對獲取線性支持向量機SVM模型的重要程度；
根據(jù)所述各樣本點的貢獻值選取所述訓練數(shù)據(jù)中部分樣本點進行目標函數(shù)優(yōu)化，確定所述線性SVM模型；
根據(jù)所述線性SVM模型，預測對測試數(shù)據(jù)的分類結(jié)果。
結(jié)合第一方面，在第一方面的第一種可能的實現(xiàn)方式中，所述獲取訓練數(shù)據(jù)中各樣本點的貢獻值，包括：
根據(jù)所述訓練數(shù)據(jù)中各樣本點和預設(shè)參數(shù)，獲取所述訓練數(shù)據(jù)中各樣本點的貢獻值。
結(jié)合第一方面的第一種可能的實現(xiàn)方式，在第一方面的第二種可能的實現(xiàn)方式中，所述根據(jù)所述訓練數(shù)據(jù)中各樣本點和預設(shè)參數(shù)，獲取所述訓練數(shù)據(jù)中各樣本點的貢獻值，包括：
根據(jù)如下公式獲取所述訓練數(shù)據(jù)中各樣本點的貢獻值：
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于華為技術(shù)有限公司，未經(jīng)華為技術(shù)有限公司許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201310746140.9/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
