[发明专利]基于线性支持向量机的分类方法及装置

权利要求书

1.一种基于线性支持向量机的分类方法，其特征在于，包括：

根据训练数据中各样本点和预设参数，获取所述训练数据中各样本点的贡献值，所述贡献值表示所述样本点对获取线性支持向量机SVM模型的重要程度；

根据所述各样本点的贡献值选取所述训练数据中部分样本点进行目标函数优化，确定所述线性SVM模型；

根据所述线性SVM模型，预测对测试数据的分类结果；

其中，所述根据所述训练数据中各样本点和预设参数，获取所述训练数据中各样本点的贡献值，包括：

根据如下公式获取所述训练数据中各样本点的贡献值：

L ( i ) = m i n { m a x [ - α i , - ( y i w T x i - 1 ) Q i i ] , ( C - α i ) } ]]>

其中，为所述训练数据，(xi,yi)表示训练数据中的第i个样本点，xi是一长度为M的特征向量，yi∈{+1,-1}表示第i个样本点的标注信息，N为所述训练数据中的样本点个数；L(i)表示所述训练数据中各样本点的贡献值；w表示长度为M的迭代SVM模型，T表示转置；C为所述预设参数，αi为第i个样本点对应的迭代参数值，且公式满足条件：0≤αi+L(i)≤C。