[發(fā)明專利]用于處理分類器樣本的方法和裝置在審
| 申請(qǐng)?zhí)枺?/td> | 201810045342.3 | 申請(qǐng)日: | 2018-01-17 |
| 公開(公告)號(hào): | CN108133239A | 公開(公告)日: | 2018-06-08 |
| 發(fā)明(設(shè)計(jì))人: | 夏昌盛;黎明;張韻東;李國(guó)新 | 申請(qǐng)(專利權(quán))人: | 北京中星微人工智能芯片技術(shù)有限公司 |
| 主分類號(hào): | G06K9/62 | 分類號(hào): | G06K9/62 |
| 代理公司: | 北京布瑞知識(shí)產(chǎn)權(quán)代理有限公司 11505 | 代理人: | 孟潭 |
| 地址: | 100191 北京市海*** | 國(guó)省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說(shuō)明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 索引 輸出 原始特征向量 方法和裝置 分類樣本 分類器 樣本 徑向基函數(shù) 泰勒多項(xiàng)式 乘法處理 乘法運(yùn)算 計(jì)算誤差 特征向量 存儲(chǔ)器 乘法器 新特征 運(yùn)算量 指數(shù)表 查表 減小 向量 存儲(chǔ) 量化 查找 | ||
1.一種用于處理分類器樣本的方法,其特征在于,包括:
接收第i索引值,其中,所述第i索引值是對(duì)第i輸入值量化得到的,所述第i輸入值是基于徑向基函數(shù)RBF對(duì)待分類樣本的N維原始特征向量中的第i個(gè)原始特征向量進(jìn)行處理而得到的,所述RBF被表示為exp(第1輸入值)*exp(第2輸入值)*…*exp(第N輸入值),N和i均為正整數(shù),i小于或者等于N;
根據(jù)所述第i索引值,從存儲(chǔ)器所存儲(chǔ)的指數(shù)表中查找第i輸出值,其中,所述第i輸出值是exp(第i輸入值)的近似值,所述指數(shù)表用于表示指數(shù)函數(shù)exp()的近似值;
利用乘法器對(duì)所述第i輸出值進(jìn)行乘法處理,直到當(dāng)i等于N時(shí)輸出所述待分類樣本的K維新特征向量中的第j個(gè)新特征向量,所述第j個(gè)新特征向量是與所述N維原始特征向量分別對(duì)應(yīng)的N個(gè)輸出值的乘積,K和j為正整數(shù),K大于N,j小于或者等于K。
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,
所述指數(shù)表用于表示z與指數(shù)函數(shù)exp(z)的近似值之間的對(duì)應(yīng)關(guān)系,z是y比特的值,y是基于N個(gè)輸入值的大小范圍而預(yù)先設(shè)定的,所述N個(gè)輸入值是基于所述RBF分別對(duì)所述N維原始特征向量處理而得到的,y為正整數(shù)。
3.根據(jù)權(quán)利要求1或2所述的方法,其特征在于,所述利用乘法器對(duì)所述第i輸出值進(jìn)行乘法處理,包括:
當(dāng)i為1時(shí),利用所述乘法器對(duì)所述第i輸出值進(jìn)行乘數(shù)為1的當(dāng)前乘法運(yùn)算,以及將所述當(dāng)前乘法運(yùn)算的結(jié)果作為所述乘法器進(jìn)行下一次乘法運(yùn)算的乘數(shù);
當(dāng)1<i<N時(shí),利用所述乘法器對(duì)所述第i輸出值進(jìn)行當(dāng)前乘法運(yùn)算,其中,乘數(shù)為第1輸出值至第(i-1)輸出值的乘積,以及將所述當(dāng)前乘法運(yùn)算的結(jié)果作為所述乘法器進(jìn)行下一次乘法運(yùn)算的乘數(shù);
當(dāng)i為N時(shí),利用所述乘法器對(duì)所述第i輸出值進(jìn)行當(dāng)前乘法運(yùn)算,其中,乘數(shù)為第1輸出值至第(i-1)輸出值的乘積,以及輸出所述當(dāng)前乘法運(yùn)算的結(jié)果作為所述第j個(gè)新特征向量。
4.根據(jù)權(quán)利要求3所述的方法,其特征在于,所述將所述當(dāng)前乘法運(yùn)算的結(jié)果作為所述乘法器進(jìn)行下一次乘法運(yùn)算的乘數(shù),包括:
利用所述延時(shí)單元將所述當(dāng)前乘法運(yùn)算的結(jié)果輸入到所述乘法器中,以作為所述乘法器進(jìn)行下一次乘法運(yùn)算的乘數(shù)。
5.根據(jù)權(quán)利要求1或2所述的方法,其特征在于,所述第i輸入值是根據(jù)以下等式來(lái)得到的:
所述第i輸入值=-γ*(xi-Rji)2,
其中,γ是預(yù)先設(shè)定的值,xi表示所述第i個(gè)原始特征向量,Rji表示在所述N維原始特征向量所對(duì)應(yīng)的特征空間中預(yù)先選擇的指定點(diǎn)Rj的第i個(gè)值。
6.一種用于處理分類器樣本的裝置,其特征在于,包括:
存儲(chǔ)有指數(shù)表的存儲(chǔ)器,所述指數(shù)表用于表示指數(shù)函數(shù)exp()的近似值;以及
與所述存儲(chǔ)器相連接的乘法器;
其中,所述存儲(chǔ)器用于:
接收第i索引值,其中,所述第i索引值是對(duì)第i輸入值量化得到的,所述第i輸入值是基于徑向基函數(shù)RBF對(duì)待分類樣本的N維原始特征向量中的第i個(gè)原始特征向量進(jìn)行處理而得到的,所述RBF被表示為exp(第1輸入值)*exp(第2輸入值)*…*exp(第N輸入值),N和i均為正整數(shù),i小于或者等于N;
根據(jù)所述第i索引值,從所述指數(shù)表中查找第i輸出值,其中,所述第i輸出值是exp(第i輸入值)的近似值;
向所述乘法器輸出所述第i輸出值;
所述乘法器,用于:
從所述存儲(chǔ)器接收所述第i輸出值;
對(duì)所述第i輸出值進(jìn)行乘法處理,直到當(dāng)i等于N時(shí)輸出所述待分類樣本的K維新特征向量中的第j個(gè)新特征向量,所述第j個(gè)新特征向量是與所述N維原始特征向量分別對(duì)應(yīng)的N個(gè)輸出值的乘積,K和j為正整數(shù),K大于N,j小于或者等于K。
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)利屬于北京中星微人工智能芯片技術(shù)有限公司,未經(jīng)北京中星微人工智能芯片技術(shù)有限公司許可,擅自商用是侵權(quán)行為。如果您想購(gòu)買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810045342.3/1.html,轉(zhuǎn)載請(qǐng)聲明來(lái)源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06K 數(shù)據(jù)識(shí)別;數(shù)據(jù)表示;記錄載體;記錄載體的處理
G06K9-00 用于閱讀或識(shí)別印刷或書寫字符或者用于識(shí)別圖形,例如,指紋的方法或裝置
G06K9-03 .錯(cuò)誤的檢測(cè)或校正,例如,用重復(fù)掃描圖形的方法
G06K9-18 .應(yīng)用具有附加代碼標(biāo)記或含有代碼標(biāo)記的打印字符的,例如,由不同形狀的各個(gè)筆畫組成的,而且每個(gè)筆畫表示不同的代碼值的字符
G06K9-20 .圖像捕獲
G06K9-36 .圖像預(yù)處理,即無(wú)須判定關(guān)于圖像的同一性而進(jìn)行的圖像信息處理
G06K9-60 .圖像捕獲和多種預(yù)處理作用的組合
- 應(yīng)用程序動(dòng)態(tài)行為的特征向量的生成方法及裝置
- 確定人臉圖像中人臉的身份標(biāo)識(shí)的方法、裝置和終端
- 人臉特征的處理方法、裝置和存儲(chǔ)介質(zhì)
- 對(duì)抗樣本的防御方法、裝置、系統(tǒng)及存儲(chǔ)介質(zhì)
- 一種白平衡處理方法、白平衡處理裝置以及存儲(chǔ)介質(zhì)
- 一種視頻測(cè)試方法及系統(tǒng)
- 指針式儀表自動(dòng)讀數(shù)的識(shí)別方法及識(shí)別裝置
- 攝像系統(tǒng)以及視頻處理方法
- 一種基于多種語(yǔ)音特征融合的聲紋識(shí)別方法及系統(tǒng)
- 用于基于音頻的外墻滲水測(cè)試的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練方法





