[发明专利]一种基于相关性的在线多维输出的流式数据处理方法

权利要求书

1.一种基于相关性的在线多维输出的流式数据处理方法，其特征在于包括如下步骤：

步骤S101，选取多维回归估计函数的多维输出变量间的相关性测度，然后使用流式数据对多维输出变量之间的相关性测度进行学习，得到多维回归估计函数的多维输出变量之间的相关性；

步骤S102，建立多维输出变量相关性正则化模型，构造多维输出变量的多维输出变量相关性学习系统；

步骤S103，基于多维输出变量相关性学习系统，构造并求解基于相关性的多输出支持向量回归模型；

步骤S104，根据错误预测的新加入样例对多输出支持向量回归模型的估计函数中各权重向量进行更新；

步骤S105，计算多输出支持向量回归模型的泛化误差上界、遗憾度上界；

步骤S106，根据随流式数据变化的多维输出训练数据集对多输出支持向量回归模型及其估计函数进行更新。

2.根据权利要求1所述的一种基于相关性的在线多维输出的流式数据处理方法，其特征在于：所述的步骤S101中使用协方差矩阵的形式对多维回归估计函数的多维输出变量的相关性进行表示。

3.根据权利要求1或2所述的一种基于相关性的在线多维输出的流式数据处理方法，其特征在于：所述的步骤S103中基于多维输出变量相关性学习系统，构造并求解基于相关性的多输出支持向量回归模型的方法为：

(1)使用超球面损失函数度量多维输出变量间的相关性测度进行学习训练的损失；

(2)使用各多维输出变量对应的权向量所构成矩阵的Frobenius-范数得到多输出支持向量回归模型的复杂度；

(3)获取随流式数据变化的多维输出训练数据集，在多维输出训练数据集上极小化所有输出变量的超球面损失、模型复杂度以及输出变量的相关性正则化项，构造基于相关性的多输出支持向量回归模型；

(4)使用内点法或二阶锥优化法对多输出支持向量回归模型进行求解，得到多输出支持向量回归模型的估计函数。

4.根据权利要求1或2所述的一种基于相关性的在线多维输出的流式数据处理方法，其特征在于：所述的步骤S104中根据错误预测的新加入样例对多输出支持向量回归模型的估计函数中各权重向量进行更新的方法为：

(1)使用多输出支持向量回归模型的估计函数对新加入的流式数据样例进行预测，判断新加入的流式数据样例是否为正确输出值，然后根据得到的正确输出值计算得到该新流式数据样例的超球面损失；

(2)若超球面损失为0，则不对多输出支持向量回归模型的估计函数中各权重向量进行更新，若超球面损失不为0，则根据加入新流式数据样例后的多维输出训练数据集，更新多输出支持向量回归模型的估计函数中各权重向量。

5.一种计算机可读存储介质，所述的计算机可读存储介质存储有计算机程序，其特征在于，所述的计算机程序被处理器执行时实现如权利要求1-权利要求4任一所述方法的步骤。

6.一种相关性的在线多维输出的流式数据处理系统，其特征在于包括学习系统构造模块、多输出支持向量回归模型生成更新模块，其中：

学习系统构造模块，选取多维回归估计函数的多维输出变量间的相关性测度，然后使用流式数据对多维输出变量之间的相关性测度进行学习，得到多维回归估计函数的多维输出变量之间的相关性；

多输出支持向量回归模型生成更新模块，建立多维输出变量相关性正则化模型，构造多维输出变量的多维输出变量相关性学习系统，并求解基于相关性的多输出支持向量回归模型、估计函数、泛化误差上界、遗憾度上界；根据错误预测的新加入样例对多输出支持向量回归模型的估计函数中各权重向量进行更新。