[發明專利]基于分類互斥性的損失函數計算方法、電子設備、介質

在審

• 申請號: 201811033060.8
• 申請日: 2018-09-05
• 公開（公告）號: CN109447102A
• 公開（公告）日: 2019-03-08
• 發明（設計）人: 馬瑞;丁志祿
• 申請（專利權）人: 浙江長興笛卡爾科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州市越秀區哲力專利商標事務所(普通合伙) 44288
• 代理人: 胡擁軍;糜婧

1.基于分類互斥性的損失函數計算方法，其特征在于包括以下步驟：

數據分類，對原始數據集通過分類器進行分類，得到分類結果概率矩陣；

計算損失，通過損失函數計算所述分類結果概率矩陣中每一分類概率向量的損失，得到總體損失；

計算互斥懲罰項，通過互斥懲罰項計算方法計算所述分類結果概率矩陣中每一數據分類概率對應的互斥懲罰項，得到總體互斥懲罰項；

損失重構，將所述總體損失中每一所述分類概率向量對應的損失與所述總體互斥懲罰項中每一所述分類概率向量對應的互斥懲罰項進行整合，得到帶互斥懲罰項的損失函數。

2.如權利要求1所述的基于分類互斥性的損失函數計算方法，其特征在于：所述數據分類中具體包括以下步驟：

將所述原始數據集表示為數據集向量，所述數據集向量公式如下：

其中，S為數據集向量，g為數據集向量S中數據個數，S_i為數據集向量S中第i個數據，S_i的公式如下：

其中，f_j為S_i中第j個特征；

采用分類算法對數據集向量S進行分類，得到分類結果概率矩陣，公式如下：

其中，CA為分類算法，Parameter為CA中需要訓練的參數，S為數據集向量，P為分類結果概率矩陣，為第g個數據屬于第n類的概率。

3.如權利要求2所述的基于分類互斥性的損失函數計算方法，其特征在于，所述計算損失中具體包括以下步驟：

獲取所述分類結果概率矩陣中第i個數據對應的分類概率向量，具體公式如下：

通過損失函數計算第i個數據對應的分類概率向量的損失，具體公式如下：

loss_i＝LF(k_i,p_i)

通過每一個數據對應的分類概率向量的損失生成總體損失，具體公式如下：

其中，p_i為第i個數據對應的分類概率向量,loss_i為第i個數據對應的分類概率向量的損失，Loss為總體損失，LF為損失函數，k_i為數據S_i的真實分類結果。

4.如權利要求3所述的基于分類互斥性的損失函數計算方法，其特征在于，所述計算互斥懲罰項中具體包括以下步驟：

通過互斥懲罰項計算方法計算每一所述分類概率向量中當前數據屬于除當前分類外其他分類的概率總和占當前數據屬于當前分類的概率的比值，具體公式如下：

其中，MPF(p)為總體互斥懲罰項，MPF(p_i)為數據S_i在分類算法CA下的分類懲罰矩陣，具體公式如下：

其中，為數據S_i屬于m分類概率對應的互斥懲罰項，具體公式如下：

5.如權利要求4所述的基于分類互斥性的損失函數計算方法，其特征在于：所述損失重構中具體包括以下步驟：

將所述總體損失中第i個數據對應的分類概率向量的損失及第i個數據在分類算法CA下的分類懲罰矩陣進行整合，具體公式為：

MPLF(loss_i，MPF(p_i))

其中，MPLF()為整合loss_i與MPF(p_i)的復合函數；

將所述總體損失中每一數據對應的分類概率向量的損失與所述總體互斥懲罰項中每一數據在分類算法CA下的分類懲罰矩陣進行整合，得到帶互斥懲罰項的損失函數，具體公式如下：

MPL＝MPLF(Loss，MPF(p))

其中，MPL為帶互斥懲罰項的損失函數。