[发明专利]搜索引擎中的模式分类方法

权利要求书

1.一种搜索引擎中的模式分类方法，其特征在于：所述搜索引擎采用支持向量机的模式分类方法对经过爬虫程序转化后的网页特征数据集进行模式分类，以划分各种网页；在所述支持向量机中采用的核函数为加权多宽度高斯核函数，其公式为：

κ(x，y)＝[exp(-||x-y||²/2σ²)+R]^d∀R≥0,d≥0,d∈N]]>

其中，σ、R、d为可调参数。

2.根据权利要求1所述的搜索引擎中的模式分类方法，其特征在于：在所述加权多宽度高斯核函数中，参数σ的最优值利用半径间隔误差界和拟牛顿优化算法来获得。

3.根据权利要求2所述的搜索引擎中的模式分类方法，其特征在于：利用所述半径间隔误差界和拟牛顿优化算法来确定所述参数σ的过程如下：

a、为参数R、d赋值；

b、为参数C、σ赋初始值，其中，C为惩罚因子，且大于零；

c、通过最优化基于加权多宽度高斯核的半径间隔误差界来获得最小超球体的半径r，即

r2=maxβ((1+R)d-Σi,j=1lβiβjκ(xi,xj))]]>

s.t.Σi=1lβi=1,]]>β_i≥0

d、利用标准的支持向量机算法求出初始化条件下的最优解(α^*，b^*)，即

maxα-12Σi=1lΣj=1lyiyjαiαj(xi,xj)+Σi=1lαi]]>

s.t.Σj=1lyjαj=0,]]>

0≤α_j≤C，j＝1，...，l

其中，l为训练样本的个数，w=Σj=1lαjyjxj,]]>b=yj-Σj=1lαjyj(xj.xi),]]>构造超平面为(w.x)+b＝0，得到决策函数为f(x)＝sgn((w.x)+b)；

e、运用拟牛顿算法对参数C、σ进行更新，即最优化如下问题：

(C,σ)=argminC,σB(α*,b*,C,R,d,σ)]]>

其中，B＝B₁B₂；B1=r2+1C,]]>B2=wTw+2CΣj=1lξj,]]>ζ_j为松弛变量；

f、根据设定的迭代次数以及更新的参数C、σ，重复执行步骤c、d、e；g、获得参数σ的最优值。