[发明专利]基于SVM的样本数据更新方法、分类系统和存储装置

说明书

一种基于SVM的样本数据更新方法，该方法包括：获取样本数据以及在特征空间内将样本数据划分成至少两个分类集合的分类超平面(S101)；分别确定每一分类集合中的最大凸包样本，其中最大凸包样本用于在特征空间内定义第一凸包空间，第一凸包空间能够容纳所述分类集合中除最大凸包样本以外的其他样本数据(S102)；根据待增加或待删除的数据点与最大凸包样本的位置关系，对最大凸包样本进行选择性更新(S103)；以及根据最大凸包样本的更新情况，对分类超平面进行选择性更新(S104)。通过根据待增加或待删除的数据点与最大凸包样本的位置关系对最大凸包样本进行选择性更新和对分类超平面进行选择性更新，可以提高样本数据分类的运算效率。

技术领域

本发明主要涉及计算机技术领域，特别是涉及一种基于SVM的样本数据更新方法、分类系统和存储装置。

背景技术

SVM(Support Vector Machine)是指支持向量机，通常用来进行模式识别、分类以及回归分析。运用SVM算法对样本做分类时，若每个样本数据有n个特征，则可认为样本处于n维特征空间，从而利用n维超平面(hyperplane)将样本划分为两类。其中，n维超平面距离两类样本中最近的数据是等距的。当向一类样本中新增数据或者将一类样本中已有的部分数据删除，即当样本数据变更时，根据SVM算法，通常需要根据更新后的所有数据重新计算超平面。SVM通常用于图像识别和机器人深度学习等领域。

本发明的发明人在对现有技术的研究过程中发现，对于现有的SVM样本数据更新方法，每次样本更新时都需要基于更新后的所有数据重新计算超平面，导致计算效率低下，难以满足图像识别或者机器人深度学习对计算速度的要求。

发明内容

本发明的提供一种基于SVM的样本数据更新方法、系统和存储装置，用于解决现有技术中SVM样本数据分类计算效率低下的问题。

为解决上述技术问题，本发明采用的一技术方案是提供一种基于SVM的样本数据更新方法，该方法包括：获取样本数据以及在特征空间内将所述样本数据划分成至少两个分类集合的分类超平面；分别确定每一所述分类集合中的最大凸包样本，其中所述最大凸包样本用于在所述特征空间内定义第一凸包空间，所述第一凸包空间能够容纳所述分类集合中除所述最大凸包样本以外的其他样本数据；根据待增加或待删除的数据点与所述最大凸包样本的位置关系，对所述最大凸包样本进行选择性更新；以及根据所述最大凸包样本的更新情况，对所述分类超平面进行选择性更新。

为解决上述技术问题，本发明采用的另一技术方案是提供一种基于SVM的样本数据分类系统，该系统包括电耦合的处理器和存储器，其中所述存储器用于存储程序指令，所述处理器可加载所述程序指令并执行上述样本数据更新方法。

为解决上述技术问题，本发明采用的又一技术方案是提供一种具有存储功能的装置，用于存储程序指令，所述程序指令可被执行以实现上述样本数据更新方法。

本发明实施例的有益效果是：通过根据待增加或待删除的数据点与最大凸包样本的位置关系对最大凸包样本进行选择性更新，并根据最大凸包样本的更新情况对分类超平面进行选择性更新，可以提高样本数据分类的运算效率。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图：

图1是本发明基于SVM的样本数据更新方法一实施例的流程示意图。

图2是本发明基于SVM的样本数据更新方法另一实施例的流程示意图。

图3是本发明最大凸包更新方法一实施例的流程示意图。

图4示出了在二维特征空间上利用超平面对样本数据进行分类的示意图。