[发明专利]一种基于凸边界的学习样本抽取方法

权利要求书

1.一种基于凸边界的学习样本抽取方法，其特征在于：在用于机器学习的数据库中抽取学习样本时，进行了以下步骤，

步骤1，数据集合的预切割：对输入的数据库进行预处理，包括缺失值、异常值的处理；

步骤2，构造学习样本凸集合：将每类子集中心化，形成凸集合，依象限用hash表构成样本索引；

步骤3，边界样本抽取：在凸集合的象限边界上抽取样本。

2.根据权利要求1所述的基于凸边界的学习样本抽取方法，其特征在于：步骤1所述的对原始数据库进行预处理的方法为，去除含缺失值的样本；在每个类别中，利用箱型图在每个属性中检测异常值，删除其所在的样本；进行归一化操作；根据数据集合类别标识进行预切割工作，每一类的所有样本为一个数据子集。

3.根据权利要求1所述的基于凸边界的学习样本抽取方法，其特征在于：步骤2所述的对步骤1所得到的预处理后的数据子集构造凸集合的方法为，对于步骤1得到的每个数据子集进行中心化：找到中心点，将其作为坐标原点，进行坐标变换，得到新的坐标系，形成凸集合；在每个经过坐标变换的子集中，依象限用hash表构成样本索引：对包含在此子集中每个样本进行标注，标注内容为此样本在新坐标系中所在的象限；最后，统计在每个子集中有样本存在的象限是哪些。

4.根据权利要求1所述的基于凸边界的学习样本抽取方法，其特征在于：步骤3所述的对步骤2构造的凸集合在其边界上抽取样本的方法为，根据步骤2中统计的每个凸集合中包含样本的象限，在每个象限中选择距原点最远的样本作为此凸集合的一个边界样本；合并所有凸集合的边界样本，得到的边界样本集合作为最终用于机器学习的学习样本。