[发明专利]训练分类器的方法和对象分类的方法及其装置

权利要求书

1.一种训练分类器的方法，包括：

根据各个类别中分类正确的训练样本的类别概率信息与该类别的参考概率信息，得到第一距离，其中，所述所述参考概率信息是根据各个类别的分类正确的训练样本的类别概率信息得到的；或者，根据各个类别中分类正确的训练样本的类别概率信息与该类别的标签信息，得到第三距离；

根据第一距离或第三距离拟合概率分布。

2.根据权利要求1所述的训练分类器的方法，其中，所述参考概率信息为平均概率信息，所述平均概率信息为每个类别中分类正确的训练样本的类别概率信息的中心点。

3.根据权利要求1所述的训练分类器的方法，其中，所述第三距离为所述类别概率信息和所述标签信息的二元交叉熵以及概率差的加权平方平均数，

所述概率差为所述类别概率信息和所述真实标签信息第i维的差值，i是样本的类别标号。

4.根据权利要求1所述的训练分类器的方法，其中，所述根据第一距离拟合概率分布包括：

根据各个类别中分类正确的训练样本的类别概率信息与除了正确分类所属的类别之外的其他类别的参考概率信息，得到第二距离；

根据第二距离对第一距离进行修正，得到修正距离；

根据所述修正距离拟合概率分布。

5.一种对象分类方法，包括：

将用户输入的对象输入到分类器中以得到类别概率信息，所述类别概率信息表示所述对象属于各个类别的概率；

根据所述类别概率信息中的最大概率得到第一距离，所述第一距离为所述类别概率信息与所述最大概率对应的类别的参考概率信息的距离；或者，根据所述类别概率信息中的最大概率得到第三距离，所述第三距离为所述类别概率信息与所述类别概率信息中最大概率的类别的标签信息的距离；

根据第一距离或第三距离得到累计概率，并基于累计概率将所述对象进行分类。

6.根据权利要求5所述的对象分类方法，其中，所述参考概率信息为平均概率信息，所述平均概率信息为每个类别的类别概率信息的中心点。

7.根据权利要求6所述的对象分类方法，其中，所述第三距离为所述类别概率信息和所述标签信息的二元交叉熵以及概率差的平方平均数，所述概率差为所述类别概率信息和所述虚拟标签信息第i维的差值，i是是类别概率信息中概率最大的类别标号。

8.根据权利要求6所述的对象分类方法，其中，所述根据所述第一距离得到累计概率包括：

根据所述类别概率信息中除最大概率之外的其他概率对应类别的参考概率信息得到第二距离，所述第二距离为所述类别概率信息与其他概率对应类别的参考概率信息的距离，所述其他概率对应类别的参考概率信息是根据除所述最大概率之外的其他概率对应的类别的类别概率信息训练得到的；

根据第二距离对第一距离进行修正，得到修正距离；

根据所述修正距离得到累计概率。

9.根据权利要求8所述的对象分类方法，其中，所述根据第二距离对第一距离进行修正，得到修正距离包括：

对第二距离进行加权处理，所述加权处理的权重是根据训练样本的各个类别的概率的相关度得到的；

根据加权处理后的第二距离对第一距离进行修正，得到所述修正距离。

10.一种训练分类器的装置，包括：

概率信息获取模块，用于根据训练样本的类别概率信息，得到各个类别的参考概率信息，所述参考概率信息是根据各个类别的分类正确的训练样本的类别概率信息得到的，所述类别概率信息表示所述训练样本属于各个类别的概率；

距离计算模块，用于根据各个类别中分类正确的训练样本的类别概率信息与该类别的参考概率信息，得到第一距离；以及用于根据各个类别中分类正确的训练样本的类别概率信息与该类别的标签信息，得到第三距离；

拟合模块，用于根据第一距离或第三距离拟合概率分布。