[發(fā)明專利]面向大規(guī)模訓(xùn)練數(shù)據(jù)的SVM主動(dòng)學(xué)習(xí)分類算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410665206.6
• 申請(qǐng)日: 2014-11-20
• 公開(kāi)（公告）號(hào): CN104331716A
• 公開(kāi)（公告）日: 2015-02-04
• 發(fā)明（設(shè)計(jì)）人: 劉福江;林偉華;徐戰(zhàn)亞;郭艷;黃彩春;郭振輝
• 申請(qǐng)（專利權(quán)）人: 武漢圖歌信息技術(shù)有限責(zé)任公司
• 主分類號(hào): G06K9/66
• 分類號(hào): G06K9/66
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 劉焓

1.一種基于主動(dòng)學(xué)習(xí)方法選取樣本的改進(jìn)SVM分類器，其特征在于，其方法包括以下步驟：

步驟a）、首先對(duì)海量機(jī)器標(biāo)記樣本進(jìn)行聚類分析，選取各類別的聚類中心部分樣本作為初始?jí)嚎s集A，計(jì)算樣本到聚類質(zhì)心的距離d、聚類半徑r、聚類內(nèi)離散度，選取聚類模糊樣本作為訓(xùn)練樣本集B{b1,b2,b3,b4,b5……bn}；

步驟b）、使用初始?jí)嚎s集訓(xùn)練SVM分類器，并用該分類器對(duì)訓(xùn)練樣本集（i=1,2…n）進(jìn)行分類,?計(jì)算分類器分類精度，并挑選出分類結(jié)果中的誤分樣本，用當(dāng)前分類模型對(duì)每個(gè)樣本的類別進(jìn)行預(yù)測(cè)，然后使用不確定性閾值判斷法從誤分樣本中進(jìn)一步挑選出靠近分類超平面的邊界樣本；

步驟c)、將邊界樣本加入到初始?jí)嚎s集A中，迭代進(jìn)行步驟b），直到分類精度保持在較高的水平停止迭代，輸出優(yōu)化后的SVM分類器。

2.如權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)方法選取樣本的改進(jìn)SVM分類器，其特征在于，所述步驟a）包括以下具體步驟：

步驟a1）、對(duì)海量機(jī)器標(biāo)記樣本聚類分析，得到每個(gè)類別的聚類中心，在各類別聚類中心附近選取部分樣本，構(gòu)成初始?jí)嚎s集A；

步驟a2）、計(jì)算各樣本到所屬聚類質(zhì)心的距離d、聚類半徑r、聚類內(nèi)離散度，設(shè)聚類內(nèi)離散度閾值門(mén)限為T(mén)，若，則選取的樣本組成訓(xùn)練樣本集B，并將B隨機(jī)均分為n個(gè)大小相同的子集{b1,b2,b3,b4,b5……bn}。

3.如權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)方法選取樣本的改進(jìn)SVM分類器，其特征在于，所述步驟b）包括以下具體步驟：

步驟b1）、采用初始?jí)嚎s集A對(duì)SVM分類器進(jìn)行訓(xùn)練，得到初次分類模型F，再使用F對(duì)子集進(jìn)行分類；?

步驟b2）、評(píng)價(jià)此次分類的分類精度，并從b1集合中提取出誤分樣本，形成誤分樣本集合；

步驟b3）、根據(jù)分類模型F，對(duì)誤分樣本集合的每一個(gè)樣本的類別進(jìn)行預(yù)測(cè)，得到其屬于各個(gè)可能的類別的概率p(yi|x)，計(jì)算樣本最優(yōu)標(biāo)號(hào)的概率與次優(yōu)標(biāo)號(hào)的概率之差，選擇兩者差值最小的一部分樣本，這部分樣本即為邊界樣本集G。

4.如權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)方法選取樣本的改進(jìn)SVM分類器，其特征在于，所述步驟c）包括以下具體步驟：

步驟c1）、將邊界樣本G加入到初始?jí)嚎s集A中，然后迭代步驟b，使用新的初始?jí)嚎s集訓(xùn)練SVM分類器，評(píng)價(jià)分類精度，并計(jì)算最后3次迭代分類精度的平均值和方差，若<且→0，則停止迭代輸出優(yōu)化的SVM分類器；否則持續(xù)迭代步驟b）。