[發(fā)明專利]集成核密度估計(jì)器窗口參數(shù)優(yōu)化方法、裝置及終端設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 201810870314.5
• 申請(qǐng)日: 2018-08-02
• 公開（公告）號(hào): CN109063128A
• 公開（公告）日: 2018-12-21
• 發(fā)明（設(shè)計(jì)）人: 何玉林;蔣捷;黃哲學(xué)
• 申請(qǐng)（專利權(quán)）人: 深圳大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30;G06N3/00;G06N7/00
• 代理公司: 深圳市恒申知識(shí)產(chǎn)權(quán)事務(wù)所(普通合伙) 44312
• 代理人: 袁文英

1.一種集成核密度估計(jì)器窗口參數(shù)優(yōu)化方法，其特征在于，包括：

基于原始數(shù)據(jù)集獲取隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊；

通過Parzen窗口法，在每個(gè)所述隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊上構(gòu)建集成核密度估計(jì)器，并標(biāo)定所述集成核密度估計(jì)器的初始窗口寬度參數(shù)；

選擇個(gè)不同的所述隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊構(gòu)建訓(xùn)練集；

選擇個(gè)不同的所述隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊構(gòu)建驗(yàn)證集；

根據(jù)所述訓(xùn)練集和所述驗(yàn)證集對(duì)所述集成核密度估計(jì)器的初始窗口寬度參數(shù)進(jìn)行優(yōu)化，獲得最優(yōu)窗口寬度參數(shù)值；

根據(jù)所述最優(yōu)窗口寬度參數(shù)值優(yōu)化所述集成核密度估計(jì)器。

2.如權(quán)利要求1所述的集成核密度估計(jì)器窗口參數(shù)優(yōu)化方法，其特征在于，所述基于原始數(shù)據(jù)集獲取隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊包括：

對(duì)所述原始數(shù)據(jù)集的原始樣本進(jìn)行劃分，獲得原始樣本劃分?jǐn)?shù)據(jù)塊；

對(duì)所述原始樣本劃分?jǐn)?shù)據(jù)塊進(jìn)行混洗操作，獲得混洗數(shù)據(jù)塊；

從所述混洗數(shù)據(jù)塊中依次抽取樣本，構(gòu)成所述原始數(shù)據(jù)集的隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊。

3.如權(quán)利要求1所述的集成核密度估計(jì)器窗口參數(shù)優(yōu)化方法，其特征在于，所述通過Parzen窗口法，在每個(gè)所述隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊上構(gòu)建集成核密度估計(jì)器，并標(biāo)定所述集成核密度估計(jì)器的初始窗口寬度參數(shù)包括：

通過Parzen窗口法估計(jì)所述隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊的概率密度函數(shù)，并標(biāo)定所述集成核密度估計(jì)器的初始窗口寬度參數(shù)，公式為：

其中，p_k(x)為所述隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊的概率密度函數(shù)，為所述初始窗口寬度參數(shù)；為所述訓(xùn)練集中的隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊。

4.如權(quán)利要求3所述的集成核密度估計(jì)器窗口參數(shù)優(yōu)化方法，其特征在于，所述集成核密度估計(jì)器的初始窗口寬度參數(shù)在預(yù)設(shè)實(shí)數(shù)區(qū)間內(nèi)隨機(jī)選取。

5.如權(quán)利要求1所述的集成核密度估計(jì)器窗口參數(shù)優(yōu)化方法，其特征在于，所述根據(jù)所述驗(yàn)證集和所述訓(xùn)練集對(duì)所述集成核密度估計(jì)器的初始窗口寬度參數(shù)進(jìn)行優(yōu)化，獲得最優(yōu)窗口寬度參數(shù)值包括：

建立所述集成核密度估計(jì)器的窗口寬度參數(shù)的優(yōu)化準(zhǔn)則，對(duì)所述集成核密度估計(jì)器的初始窗口寬度參數(shù)進(jìn)行優(yōu)化，獲得第一窗口寬度參數(shù)值，公式為：

其中，D為所述原始數(shù)據(jù)集；E₁和E₂項(xiàng)分別代表所述集成核密度估計(jì)器的經(jīng)驗(yàn)誤差和模型復(fù)雜度；為驗(yàn)證集，為訓(xùn)練集中的隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊個(gè)數(shù)；為驗(yàn)證集中的隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊個(gè)數(shù)；和為隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊的概率密度函數(shù)；λ為正則化因子，λ∈(0，1)；h₁,h₂,...h_k為所述第一窗口寬度參數(shù)值；

使用優(yōu)化算法對(duì)所述優(yōu)化準(zhǔn)則進(jìn)行優(yōu)化，獲得最優(yōu)窗口寬度參數(shù)值。

6.如權(quán)利要求5所述的集成核密度估計(jì)器窗口參數(shù)優(yōu)化方法，其特征在于，所述優(yōu)化算法包括粒子群優(yōu)化算法。

7.如權(quán)利要求1至6任一項(xiàng)所述的集成核密度估計(jì)器窗口參數(shù)優(yōu)化方法，其特征在于，所述根據(jù)所述最優(yōu)窗口寬度參數(shù)值優(yōu)化所述集成核密度估計(jì)器包括：

根據(jù)所述訓(xùn)練集、所述驗(yàn)證集和所述最優(yōu)窗口寬度參數(shù)值訓(xùn)練所述集成核密度估計(jì)器，公式為：

其中，為基于隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊訓(xùn)練的，使用了最優(yōu)窗口寬度參數(shù)的核密度估計(jì)器；為所述訓(xùn)練集中的隨機(jī)樣本劃分?jǐn)?shù)據(jù)塊個(gè)數(shù)。