[發明專利]用于處理分類器樣本的方法和裝置

在審

• 申請號: 201810045342.3
• 申請日: 2018-01-17
• 公開（公告）號: CN108133239A
• 公開（公告）日: 2018-06-08
• 發明（設計）人: 夏昌盛;黎明;張韻東;李國新
• 申請（專利權）人: 北京中星微人工智能芯片技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京布瑞知識產權代理有限公司 11505
• 代理人: 孟潭

本發明實施例提供了用于處理分類器樣本的方法和裝置。該方法包括：接收第i索引值，其中，第i索引值是對第i輸入值量化得到的，第i輸入值是基于徑向基函數RBF對待分類樣本的N維原始特征向量中的第i個原始特征向量進行處理而得到的；根據第i索引值，從存儲器所存儲的指數表中查找第i輸出值，其中，第i輸出值是exp(第i輸入值)的近似值；利用乘法器對第i輸出值進行乘法處理，直到當i等于N時輸出待分類樣本的K維新特征向量中的第j個新特征向量。在本發明實施例中，通過查表以及乘法運算來實現RBF，而無需將exp()函數進行例如泰勒多項式之類的展開，不僅能夠減少運算量，而且能夠極大地減小計算誤差。

技術領域

本發明涉及數據處理技術領域，具體地，涉及用于處理分類器樣本的方法和裝置。

背景技術

支持向量狀態機(Support Vector Machine，SVM)是一種極為有效的分類算法，其主要利用中小型數據訓練庫進行訓練，能夠達到效果不錯的二分類目標。

基本的線性SVM僅支持線性可分的分類任務。如果要實現負責的非線性變換分類，需要引入徑向基函數(Radial Basis Function，RBF)等升維函數對樣本的的特征向量進行升維，然后再利用SVM進行分類。

然而，目前在利用RBF進行升維時，實現效果并不理想。

發明內容

本發明實施例提供了用于處理分類器樣本的方法和裝置，能夠簡單高效地實現RBF。

第一方面，提供了一種用于處理分類器樣本的方法，包括：接收第i索引值，其中，所述第i索引值是對第i輸入值量化得到的，所述第i輸入值是基于徑向基函數RBF對待分類樣本的N維原始特征向量中的第i個原始特征向量進行處理而得到的，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，i小于或者等于N；根據所述第i索引值，從存儲器所存儲的指數表中查找第i輸出值，其中，所述第i輸出值是exp(第i輸入值)的近似值，所述指數表用于表示指數函數exp()的近似值；利用乘法器對所述第i輸出值進行乘法處理，直到當i等于N時輸出所述待分類樣本的K維新特征向量中的第j個新特征向量，所述第j個新特征向量是與所述N維原始特征向量分別對應的N個輸出值的乘積，K和j為正整數，K大于N，j小于或者等于K。

在一種可能的實現方式中，所述指數表用于表示z與指數函數exp(z)的近似值之間的對應關系，z是y比特的值，y是基于N個輸入值的大小范圍而預先設定的，所述N個輸入值是基于所述RBF分別對所述N維原始特征向量處理而得到的，y為正整數。

在一種可能的實現方式中，所述利用乘法器對所述第i輸出值進行乘法處理，包括：當i為1時，利用所述乘法器對所述第i輸出值進行乘數為1的當前乘法運算，以及將所述當前乘法運算的結果作為所述乘法器進行下一次乘法運算的乘數；當1<i<N時，利用所述乘法器對所述第i輸出值進行當前乘法運算，其中，乘數為第1輸出值至第(i-1)輸出值的乘積，以及將所述當前乘法運算的結果作為所述乘法器進行下一次乘法運算的乘數；當i為N時，利用所述乘法器對所述第i輸出值進行當前乘法運算，其中，乘數為第1輸出值至第(i-1)輸出值的乘積，以及輸出所述當前乘法運算的結果作為所述第j個新特征向量。

在一種可能的實現方式中，所述將所述當前乘法運算的結果作為所述乘法器進行下一次乘法運算的乘數，包括：利用所述延時單元將所述當前乘法運算的結果輸入到所述乘法器中，以作為所述乘法器進行下一次乘法運算的乘數。

在一種可能的實現方式中，所述第i輸入值是根據以下等式來得到的：

所述第i輸入值＝-γ*(x_i-R_ji)²，