[發明專利]一種結合非平行性雙支持向量機和樣本特權信息的分類方法

有效

• 申請號: 202010707048.1
• 申請日: 2020-07-21
• 公開（公告）號: CN111967500B
• 公開（公告）日: 2023-10-13
• 發明（設計）人: 車志勇;劉波;肖燕珊
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06F18/2411
• 分類號: G06F18/2411
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 張生梅

1.一種結合非平行性雙支持向量機和樣本特權信息的分類方法，其特征在于，包括以下步驟：

S1、提取樣本額外的特征信息；

S2、構建非平行雙支持向量機的模型；

S3、構造校正函數；

S4、通過校正函數把額外的特征信息整合到非平行雙支持向量機的模型中構造目標模型；

S5、利用拉格朗日函數和K.K.T條件，通過兩個二次規劃問題來求解構造出的目標模型，從而找到兩個非平行分類平面；

S6、利用步驟S5找到的兩個非平行分類平面對樣本進行分類，確定樣本的標簽。

2.根據權利要求1所述的一種結合非平行性雙支持向量機和樣本特權信息的分類方法，其特征在于，所述步驟S2構建非平行雙支持向量機的模型，具體如下：

對于給定的圖片集D，

其中，

X_P＝{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)}為正類數據，X_N＝{(x_n+1,y_n+1),(x_n+2,y_n+2),…,(x_m,y_m)}為負類數據，利用該兩類數據分別構建兩個非平行分類平面：

上式中，w₁和w₂分別為兩個非平行平面的權重，b₁和b₂為偏置值。

3.根據權利要求2所述的一種結合非平行性雙支持向量機和樣本特權信息的分類方法，其特征在于，所述步驟S3的校正函數，利用額外的特征信息的正類樣本和額外的特征信息的負類樣本構造得到，構造出的校正函數如下：

上式中，和為校正函數的權重，和為偏置值。

4.根據權利要求3所述的一種結合非平行性雙支持向量機和樣本特權信息的分類方法，其特征在于，所述步驟S4通過校正函數把額外的特征信息整合到非平行雙支持向量機的模型中而構造出的目標模型具體如下：

TWSVM-PI 1：

s.t.

(X₂w₁+e₂b₁)≤p-e₂

p≥0,p^*≥0 (3)

TWSVM-PI 2：

s.t.

(X₁w₂+e₁b₂)≤q-e₁

q≥0,q^*≥0 (4)

(3)式中，p表示原始正類樣本的松弛變量，p^*表示帶有額外特征信息的正類樣本的松弛變量，e為適當維數的向量；為基本的非平行雙支持向量機分類器，為引入額外特征信息后構建的分類平面；約束中，(X₂w₁+e₂b₁)≤p-e₂為要求負類樣本遠離正類分類平面，并使正類樣本接近于正類分類平面；為利用樣本的相應額外的特征信息來調整兩個非平行的分類平面，使正類樣本和負類樣本被非平行的分類平面分隔開，從而使正類樣本接近于正類分類平面并且遠離負類分類平面；為具有額外的特征信息的樣本的校正函數，約束帶有額外的特征信息的負類樣本遠離正類分類平面，并使帶有額外的特征信息的正類樣本接近于正類分類平面；

(4)式中，q表示原始負類樣本的松弛變量，q^*表示帶有額外特征信息的負類樣本的松弛變量，e為適當維數的向量；為基本的非平行雙支持向量機分類器，為引入額外特征信息后構建的分類平面；約束中，(X₁w₂+e₁b₂)≤q-e₁為要求正類樣本遠離負類分類平面，并使負類樣本接近于負類分類平面；為利用樣本的相應額外的特征信息來調整兩個非平行的分類平面，使負類樣本和正類樣本被非平行的分類平面分隔開，從而使負類樣本接近于負類分類平面并且遠離正類分類平面；為具有額外的特征信息的樣本的校正函數，約束帶有額外的特征信息的正類樣本遠離負類分類平面，并使帶有額外的特征信息的負類樣本接近于負類分類平面。