[發(fā)明專利]一種結(jié)合非平行性雙支持向量機(jī)和樣本特權(quán)信息的分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010707048.1
• 申請(qǐng)日: 2020-07-21
• 公開（公告）號(hào): CN111967500B
• 公開（公告）日: 2023-10-13
• 發(fā)明（設(shè)計(jì)）人: 車志勇;劉波;肖燕珊
• 申請(qǐng)（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號(hào): G06F18/2411
• 分類號(hào): G06F18/2411
• 代理公司: 廣東廣信君達(dá)律師事務(wù)所 44329
• 代理人: 張生梅

本發(fā)明公開了一種結(jié)合非平行性雙支持向量機(jī)和樣本特權(quán)信息的分類方法，包括以下步驟：S1、提取樣本額外的特征信息；S2、構(gòu)建非平行雙支持向量機(jī)的模型；S3、構(gòu)造校正函數(shù)；S4、通過(guò)校正函數(shù)把額外的特征信息整合到非平行雙支持向量機(jī)的模型中構(gòu)造目標(biāo)模型；S5、利用拉格朗日函數(shù)和K.K.T條件，通過(guò)兩個(gè)二次規(guī)劃問(wèn)題來(lái)求解構(gòu)造出的目標(biāo)模型，從而找到兩個(gè)非平行分類平面；S6、利用步驟S5找到的兩個(gè)非平行分類平面對(duì)樣本進(jìn)行分類，確定樣本的標(biāo)簽。本發(fā)明具有運(yùn)算速度快、分類準(zhǔn)確率高等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)器學(xué)習(xí)的技術(shù)領(lǐng)域，尤其涉及到一種結(jié)合非平行性雙支持向量機(jī)和樣本特權(quán)信息的分類方法。

背景技術(shù)

在實(shí)際應(yīng)用采集的樣本分類中，人們收集到的大多數(shù)數(shù)據(jù)除了本身具有的樣本特征，同樣還存在著潛在的特征信息，可以用來(lái)反映樣本的額外的特征信息。例如，在基于互聯(lián)網(wǎng)的圖片分類中，除了圖片本身，人們還可以獲得一些對(duì)圖片描述的文本內(nèi)容，這些文本信息來(lái)自于用戶對(duì)圖片本身的描述，并且不同的用戶對(duì)圖片的描述也是不同的，這些額外的特征信息可以成為特權(quán)信息。

但在大數(shù)據(jù)時(shí)代，數(shù)據(jù)呈現(xiàn)出爆炸性增長(zhǎng)的態(tài)勢(shì)，人們需要在大量的并且是雜亂無(wú)章的數(shù)據(jù)海洋中準(zhǔn)確、快速地處理數(shù)據(jù)的背景下，現(xiàn)有的分類方法都沒有很好的利用潛在的特權(quán)信息來(lái)輔助分類任務(wù)，并且分類的準(zhǔn)確率已經(jīng)不適應(yīng)如今大數(shù)據(jù)時(shí)代，同時(shí)也限制了分類在實(shí)際生活中的應(yīng)用。

還有的是，現(xiàn)有的分類方法不能很好的利用樣本特征和額外的特征信息之間的相關(guān)性，或者說(shuō)是分類的形式過(guò)于復(fù)雜，導(dǎo)致了分類的性能較差或者算法復(fù)雜度急劇上升。

所以，人們急需一種方法，能夠有效利用樣本的特權(quán)信息，來(lái)輔助訓(xùn)練分類器，最后對(duì)樣本進(jìn)行分類。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種運(yùn)算速度快、分類準(zhǔn)確率高的結(jié)合非平行性雙支持向量機(jī)和樣本特權(quán)信息的分類方法。

為實(shí)現(xiàn)上述目的，本發(fā)明所提供的技術(shù)方案為：

一種結(jié)合非平行性雙支持向量機(jī)和樣本特權(quán)信息的分類方法，包括以下步驟：

S1、提取樣本額外的特征信息；

S2、構(gòu)建非平行雙支持向量機(jī)的模型；

S3、構(gòu)造校正函數(shù)；

S4、通過(guò)校正函數(shù)把額外的特征信息整合到非平行雙支持向量機(jī)的模型中構(gòu)造目標(biāo)模型；

S5、利用拉格朗日函數(shù)和K.K.T條件，通過(guò)兩個(gè)二次規(guī)劃問(wèn)題來(lái)求解構(gòu)造出的目標(biāo)模型，從而找到兩個(gè)非平行分類平面；

S6、利用步驟S5找到的兩個(gè)非平行分類平面對(duì)樣本進(jìn)行分類，確定樣本的標(biāo)簽。

進(jìn)一步地，所述步驟S2構(gòu)建非平行雙支持向量機(jī)的模型，具體如下：

對(duì)于給定的圖片集D，

其中，

X_P＝{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)}為正類數(shù)據(jù)，X_N＝{(x_n+1,y_n+1),(x_n+2,y_n+2),…,(x_m,y_m)}為負(fù)類數(shù)據(jù)，利用該兩類數(shù)據(jù)分別構(gòu)建兩個(gè)非平行分類平面：

上式中，w₁和w₂分別為兩個(gè)非平行平面的權(quán)重，b₁和b₂為偏置值。