[發明專利]基于酉空間多特征融合的復數支持向量機分類方法

有效

• 申請號: 202110897134.8
• 申請日: 2021-08-05
• 公開（公告）號: CN113642623B
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 徐穎;鄭潤曉;蔡大森;唐文濤;陳曉清;張文杰;庾名星
• 申請（專利權）人: 深圳大學
• 主分類號: G06F18/2411
• 分類號: G06F18/2411;G06F18/25;G06F18/214
• 代理公司: 深圳市君勝知識產權代理事務所(普通合伙) 44268
• 代理人: 陳專

本發明公開了一種基于酉空間多特征融合的復數支持向量機分類方法，方法包括：提取待分類對象的初始特征，其中，所述初始特征包括第一特征和第二特征；將所述待分類對象的第一特征作為實部，將所述待分類對象的第二特作為虛部，組合得到所述待分類對象對應的復數特征；根據預設矩陣對所述待分類對象對應的復數特征進行特征選擇，提取所述待分類對象對應的目標特征；將所述待分類對象對應的所述目標特征輸入至已訓練的分類向量機，得到所述待分類對象的類別。本發明通過結合不同的特征，可以提高分類的準確率，并且在輸入至分類向量機之前對提取的不同的特征結合后的特征進行特征選取，降低分類向量機訓練和檢測時間。

技術領域

本發明涉及分類技術領域，特別涉及一種基于酉空間多特征融合的復數支持向量機分類方法。

背景技術

分類任務在生活中十分常見，精準且高效的分類算法一直為研究熱點，現有的分類算法中SVM(支持向量機)算法應用廣泛，基于SVM的分類算法通過提取分類對象的特征并輸入至支持向量機中進行分類，但是，現有技術中基于SVM的分類算法的準確度有待提高。

因此，現有技術還有待改進和提高。

發明內容

針對現有技術的上述缺陷，本發明提供一種基于酉空間多特征融合的復數支持向量機分類方法，旨在解決現有技術中基于SVM的分類準確度不高的問題。

為了解決上述技術問題，本發明所采用的技術方案如下：

本發明的第一方面，提供一種基于酉空間多特征融合的復數支持向量機分類方法，所述方法包括：

提取待分類對象的第一特征和第二特征；

將所述待分類對象的第一特征作為實部，將所述待分類對象的第二特作為虛部，組合得到所述待分類對象對應的復數特征；

根據預設矩陣對所述待分類對象對應的復數特征進行特征選擇，提取所述待分類對象對應的目標特征；

將所述待分類對象對應的所述目標特征輸入至已訓練的分類向量機，得到所述待分類對象的類別。

所述的基于酉空間多特征融合的復數支持向量機分類方法，其中，所述分類向量機是根據多組訓練數據得到，每組訓練數據包括樣本對象的目標特征和樣本對象對應的類別。

所述的基于酉空間多特征融合的復數支持向量機分類方法，其中，所述預設矩陣是通過訓練集得到，所述訓練集中包括類別為第一類的多個樣本對象和類別為第二類的多個樣本對象；所述根據預設矩陣對所述待分類對象對應的復數特征進行特征選擇之前，包括：

分別提取所述預設訓練集中各個樣本對象分別對應的第一特征和第二特征；

根據所述各個樣本對象分別對應的第一特征和第二特征確定所述各個樣本對象分別對應的復數特征；

根據類別為第一類的樣本對象分別對應的復數特征和類別為第二類的樣本對象分別對應的復數特征確定所述預設矩陣。

所述的基于酉空間多特征融合的復數支持向量機分類方法，其中，所述根據所述各個樣本對象分別對應的第一特征和第二特征確定所述各個樣本對象分別對應的復數特征，包括：

分別根據目標樣本對象的第一特征和第二特征，生成所述目標樣本對象對應的多個中間第一特征和多個中間第二特征；

將所述多個中間第一特征中的目標中間第一特征作為實部，將所述多個中間第二特征中與所述目標中間第一特征對應的目標中間第二特征作為虛部，組合得到所述目標樣本對象對應的目標復數特征。

所述的基于酉空間多特征融合的復數支持向量機分類方法，其中，所述分別根據目標樣本對象的第一特征和第二特征，生成所述目標樣本對象對應的多個中間第一特征和多個中間第二特征，包括：