[發明專利]一種基于偏好概率加權采樣的魯棒模型擬合方法

有效

• 申請號: 202010987428.5
• 申請日: 2020-09-18
• 公開（公告）號: CN112132204B
• 公開（公告）日: 2022-05-24
• 發明（設計）人: 王菡子;江斕
• 申請（專利權）人: 廈門大學
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/764;G06K9/62
• 代理公司: 廈門南強之路專利事務所(普通合伙) 35200
• 代理人: 馬應森

1.一種基于偏好概率加權采樣的魯棒模型擬合方法，其特征在于包括以下步驟：

A.準備AdelaideRMF和SNU數據集；

B.賦予數據集中每個數據點權重，循環執行步驟C-D，生成模型假設；

C.從數據點中以權重采樣數據點子集，并進行模型更新策略，在數據集中通過隨機采樣生成一個初始模型假設，并通過迭代方式更新模型假設，直到滿足停止標準停止迭代，通過更新，選取得到最佳模型假設并加入模型假設集；

D.根據偏好概率公式和模型假設集計算各數據點的偏好概率，通過增大偏好概率在一定閾值區間的數據點的權重，來增加采樣小結構模型實例內點的概率，進而減少大結構模型實例和離群點對采樣的干擾，具體步驟為：

引入偏好概率，數據點x_i的偏好概率寫為：

其中，表示模型假設集中的第j個模型假設，表示點x_i到的絕對殘差，m表示假設更新輪數，歸一化系數σ表示內點噪聲尺度；

首先，利用公式(7)與當前的模型假設集計算各點的偏好概率；之后，通過增大偏好概率在一定閾值區間的數據點的權重，來增加采樣小結構模型實例內點的概率，進而減少大結構模型實例和離群點對采樣的干擾；采用EM算法來自動估計用于調整數據點權重的閾值，以取代手動的閾值設定；將偏好概率擬合為一維混合高斯模型，表示為：

其中，第v個分量由具有權重π_v、均值μ_v和標準差σ_v的正態分布表示；

接下來定義兩個閾值β₁與β₂，由下式計算：

其中，q∈{1，2}；

最后，提高偏好概率介于[β₁，β₂]的數據點的權重，并減少此區間外的數據點的權重，再進行加權采樣以獲得新的數據點子集，即調整偏好概率在[β₁，β₂]區間內的數據點X_w的權重并對于點的權重w進行歸一化；

E.用模型假設集的殘差向量集，構建相似度矩陣，應用譜聚類技術對數據進行聚類，進而估計多結構模型實例。

2.如權利要求1所述一種基于偏好概率加權采樣的魯棒模型擬合方法，其特征在于在步驟A中，所述準備數據集的具體方法為：輸入N個數據點模型實例數量M，內點噪聲尺度σ。

3.如權利要求2所述一種基于偏好概率加權采樣的魯棒模型擬合方法，其特征在于在步驟B中，所述賦予數據集中每個數據點權重，循環執行步驟C-D，生成模型假設的具體方法為：賦予每個數據點權重循環執行步驟C-D，共n_H次，以生成n_H個模型假設其中，n_H為所需的模型假設個數，其值根據所需結果的精度，由手工指定。