[发明专利]基于分类互斥性的损失函数计算方法、电子设备、介质

权利要求书

1.基于分类互斥性的损失函数计算方法，其特征在于包括以下步骤：

数据分类，对原始数据集通过分类器进行分类，得到分类结果概率矩阵；

计算损失，通过损失函数计算所述分类结果概率矩阵中每一分类概率向量的损失，得到总体损失；

计算互斥惩罚项，通过互斥惩罚项计算方法计算所述分类结果概率矩阵中每一数据分类概率对应的互斥惩罚项，得到总体互斥惩罚项；

损失重构，将所述总体损失中每一所述分类概率向量对应的损失与所述总体互斥惩罚项中每一所述分类概率向量对应的互斥惩罚项进行整合，得到带互斥惩罚项的损失函数。

2.如权利要求1所述的基于分类互斥性的损失函数计算方法，其特征在于：所述数据分类中具体包括以下步骤：

将所述原始数据集表示为数据集向量，所述数据集向量公式如下：

其中，S为数据集向量，g为数据集向量S中数据个数，S_i为数据集向量S中第i个数据，S_i的公式如下：

其中，f_j为S_i中第j个特征；

采用分类算法对数据集向量S进行分类，得到分类结果概率矩阵，公式如下：

其中，CA为分类算法，Parameter为CA中需要训练的参数，S为数据集向量，P为分类结果概率矩阵，为第g个数据属于第n类的概率。

3.如权利要求2所述的基于分类互斥性的损失函数计算方法，其特征在于，所述计算损失中具体包括以下步骤：

获取所述分类结果概率矩阵中第i个数据对应的分类概率向量，具体公式如下：

通过损失函数计算第i个数据对应的分类概率向量的损失，具体公式如下：

loss_i＝LF(k_i,p_i)

通过每一个数据对应的分类概率向量的损失生成总体损失，具体公式如下：

其中，p_i为第i个数据对应的分类概率向量,loss_i为第i个数据对应的分类概率向量的损失，Loss为总体损失，LF为损失函数，k_i为数据S_i的真实分类结果。

4.如权利要求3所述的基于分类互斥性的损失函数计算方法，其特征在于，所述计算互斥惩罚项中具体包括以下步骤：

通过互斥惩罚项计算方法计算每一所述分类概率向量中当前数据属于除当前分类外其他分类的概率总和占当前数据属于当前分类的概率的比值，具体公式如下：

其中，MPF(p)为总体互斥惩罚项，MPF(p_i)为数据S_i在分类算法CA下的分类惩罚矩阵，具体公式如下：

其中，为数据S_i属于m分类概率对应的互斥惩罚项，具体公式如下：

5.如权利要求4所述的基于分类互斥性的损失函数计算方法，其特征在于：所述损失重构中具体包括以下步骤：

将所述总体损失中第i个数据对应的分类概率向量的损失及第i个数据在分类算法CA下的分类惩罚矩阵进行整合，具体公式为：

MPLF(loss_i，MPF(p_i))

其中，MPLF()为整合loss_i与MPF(p_i)的复合函数；

将所述总体损失中每一数据对应的分类概率向量的损失与所述总体互斥惩罚项中每一数据在分类算法CA下的分类惩罚矩阵进行整合，得到带互斥惩罚项的损失函数，具体公式如下：

MPL＝MPLF(Loss，MPF(p))

其中，MPL为带互斥惩罚项的损失函数。