[發(fā)明專利]一種生成領(lǐng)域適應(yīng)支持向量機(jī)的方法

在審

• 申請?zhí)枺?/td>: 201711085524.5
• 申請日: 2017-11-07
• 公開（公告）號: CN107885821A
• 公開（公告）日: 2018-04-06
• 發(fā)明（設(shè)計）人: 董愛美
• 申請（專利權(quán)）人: 齊魯工業(yè)大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/62
• 代理公司: 濟(jì)南信達(dá)專利事務(wù)所有限公司37100
• 代理人: 杜鵑花

1.一種生成領(lǐng)域適應(yīng)支持向量機(jī)的方法，其特征在于基于過取樣技術(shù)和隱特征抽取技術(shù)挖掘源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)的共性，并生成領(lǐng)域適應(yīng)支持向量機(jī)，包括如下步驟：

S1、以源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)為基礎(chǔ)，采用過取樣技術(shù)生成新的合成數(shù)據(jù)；

S2、以合成數(shù)據(jù)和目標(biāo)域數(shù)據(jù)為基礎(chǔ)，采用隱特征抽取技術(shù)挖掘合成數(shù)據(jù)和目標(biāo)域數(shù)據(jù)之間的共享隱特征空間；

S3、以目標(biāo)域數(shù)據(jù)為基礎(chǔ)，在其原始特征空間和共享隱特征空間共同組成的擴(kuò)展后的特征空間上訓(xùn)練得到領(lǐng)域適應(yīng)支持向量機(jī)。

2.根據(jù)權(quán)利要求1所述的一種生成領(lǐng)域適應(yīng)支持向量機(jī)的方法，其特征在于步驟S1包括如下步驟：

S11、定義并初始化目標(biāo)域數(shù)據(jù)集合D_t、源域數(shù)據(jù)集合D_s和合成數(shù)據(jù)集S，設(shè)定過取樣因子和近鄰數(shù)參數(shù)；

S12、將源域數(shù)據(jù)和目標(biāo)域數(shù)據(jù)合并在一起并隨機(jī)打亂順序，組成數(shù)據(jù)集合TR；

S13、以數(shù)據(jù)集合TR為基礎(chǔ)，進(jìn)入循環(huán)過程生成合成數(shù)據(jù)，每個合生數(shù)據(jù)的生成步驟包括：

S131、以數(shù)據(jù)集合TR中的一個現(xiàn)有數(shù)據(jù)E為基礎(chǔ)，根據(jù)近鄰數(shù)參數(shù)尋找其近鄰數(shù)據(jù)N；

S132、計算現(xiàn)有數(shù)據(jù)E和其近鄰數(shù)據(jù)N的差別數(shù)據(jù)D；

S133、對差別數(shù)據(jù)D進(jìn)行歸一化操作，生成差別數(shù)據(jù)D'；

S134、以差別數(shù)據(jù)D'和現(xiàn)有數(shù)據(jù)E為基礎(chǔ)生成合成數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的一種生成領(lǐng)域適應(yīng)支持向量機(jī)的方法，其特征在于步驟S2包括如下步驟：

S21、計算目標(biāo)域數(shù)據(jù)集D_t的基于parzen窗的概率密度分布以及合成數(shù)據(jù)集S的基于parzen窗的概率密度分布，分別表示為：

P^Dt(x)=1nt×2πσΣi=1nte-||x-xiDt||22σ2]]>

P^S(x)=1ns×2πσΣj=1nse-||x-xjS||22σ2]]>

S22、計算在特征隱空間中目標(biāo)域數(shù)據(jù)集D_t密度分布以及合成數(shù)據(jù)集S的密度分布，分別表示為：

P^Dt(vTx~)=P^Dt(vTΘx)=1nt×2πσΣi=1nte-vTΘ(x-xiDt)(x-xiDt)TΘTv2σ2]]>

P^S(vTx~)=P^S(vTΘx)=1ns×2πσΣj=1nse-vTΘ(x-xjS)(x-xjS)TΘTv2σ2]]>

S23、通過積分均方誤差計算在隱特征空間中目標(biāo)域數(shù)據(jù)集D_t的密度分布與合成數(shù)據(jù)集S的密度分布的密度分布之間的差異性，并生成目標(biāo)函數(shù)，目標(biāo)函數(shù)表示為；

J1=∫(P^Dt(vTx~)-P^S(vTx~)))2dx]]>

S24、通過最小化目標(biāo)函數(shù)挖掘目標(biāo)域數(shù)據(jù)與合成數(shù)據(jù)的共享隱空間；上述步驟中，x表示原始特征空間中的特征向量；表示共享隱空間中的特征向量；Θ表示共享隱空間變換參數(shù)矩陣；n_t表示源域數(shù)據(jù)集合中數(shù)據(jù)的數(shù)量；n_s表示盒數(shù)數(shù)據(jù)集合中數(shù)據(jù)的數(shù)量；v表示共享隱空間中的特征向量；v^T表示隱空間分類面參數(shù)。