[发明专利]数据分类方法及数据分类装置

权利要求书

1.一种数据分类装置，其特征在于，具备：

分离面集合存储部，存储有对将特征空间分离为与至少1个已知类别分别对应的至少1个已知类别区域和未知类别区域的多个分离面进行规定的信息，其中，所述至少1个已知类别区域的每个通过所述多个分离面中不相交的2个以上分离面与外部区域相分离；以及

分类部，通过对能够计算内积的分类对象数据隶属于在所述分离面存储部中存储的所述信息所规定所述至少1个已知类别区域和所述未知类别区域中的哪个区域进行计算，来决定所述分类对象数据的分类。

2.根据权利要求1所述的数据分类装置，其特征在于，还具备：

分离面集合计算部，基于能够计算所述特征空间中的内积且分别被分类到所述至少1个已知类别中的某个类别中的多个学习数据及所述多个学习数据的各自的分类，计算多个分离面，将规定所述多个分离面的信息存储在所述分离面集合存储部中。

3.根据权利要求2所述的数据分类装置，其特征在于，

所述分离面集合计算部以针对所述多个学习数据的分类误差的最小化、所述多个分离面各自的复杂性的最小化及所述至少1个已知类别区域的大小的最小化分别作为最优化目的来计算所述多个分离面。

4.根据权利要求3所述的数据分类装置，其特征在于，

所述分离面集合计算部还以原点周围的所述未知类别区域的大小的最大化作为最优化目的之一。

5.根据权利要求3所述的数据分类装置，其特征在于，

所述分离面集合计算部还以所述至少1个已知类别区域相互之间的重叠的最小化作为最优化目的之一。

6.根据权利要求1～5中任一项所述的数据分类装置，其特征在于，

所述多个分离面分别形成为在所述特征空间上展开的超平面。

7.根据权利要求1～5中任一项所述的数据分类装置，其特征在于，

所述多个分离面分别形成为在所述特征空间上封闭的超平面。

8.根据权利要求1～7中任一项所述的数据分类装置，其特征在于，

所述特征空间是与所述学习数据及所述分类对象数据维数相同的向量空间。

9.根据权利要求1～7中任一项所述的数据分类装置，其特征在于，

所述特征空间是通过对所述学习数据及所述分类对象数据进行非线性变换而被赋予了特征的空间。

10.一种数据分类方法，其特征在于，包括：

(a)输入能够计算特征空间中的内积的分类对象数据的工序；

(b)从分离面存储部输入将特征空间分离为与至少1个已知类别分别对应的至少1个已知类别区域和未知类别区域的多个分离面的工序，其中，所述至少1个的多个已知类别区域分别通过所述多个分离面中的不相交的2个以上分离面与外部区域相分离；以及

(c)通过计算所述分类对象数据隶属于至少1个已知类别区域和所述未知类别区域中的哪个区域，来决定所述分类对象数据的分类的工序。

11.根据权利要求10所述的数据分类方法，其特征在于，还包括：

(d)基于能够计算所述特征空间中的内积且被分别分类在所述至少1个已知类别的某个中的多个学习数据及所述多个学习数据的各自的分类，计算所述多个分离面，将规定所述多个分离面的信息存储在所述分离面集合存储部中的工序。

12.根据权利要求11所述的数据分类方法，其特征在于，

在所述工序(d)中，以针对所述多个学习数据的分类误差的最小化、所述多个分离面各自的复杂性的最小化及所述至少1个已知类别区域的最小化分别作为最优化目的来计算所述多个分离面。

13.根据权利要求12所述的数据分类方法，其特征在于，

在所述工序(d)中，还以原点周围的所述未知类别区域的大小的最大化作为最优化目的之一。

14.根据权利要求12所述的数据分类方法，其特征在于，

在所述工序(d)中，还以所述至少1个已知类别区域相互之间的重叠的最小化作为最优化目的之一。