[发明专利]一种用于分类的特征尺度下界的计算方法

权利要求书

1.一种用于分类的特征尺度下界的计算方法，其特征在于：

S1、输入所有样本的特征矢量和类别名，找到每一特征在所有样本上的最大值M_f和最小值m_f，记下每一个特征的范围长度R_f＝M_f-m_f；如果R_f≤δ_f,设置权值w_f＝0，表示该特征无效，否则设置w_f＝1；计算特征尺度下界的上界U_fR_f，并初始化特征尺度下界L_f＝αU_fR_f,其中0＜α≤0.1；

S2、按参考文档[1]，计算每个类的样本特征中心C_b，f和样本特征尺度其中N为该子类的样本总数，X为特征值，b为子类序号，s为样本序号，p为正整数；然后得到特征尺度另外一个样本到一个类的偏离度的计算公式：其中X为特征矢量，X_f为序号为f的特征值，也即X的第f个分量，F为特征总数；

S3、对每一个类别，收集一些非本类的邻近样本做成Class-Sample对(简称CS对)放到待检测的序列Pairs中，一个CS对中含有一个类别指针和一个样本指针；加入Pairs的CS对要满足两个条件:首先，CS对中的样本不属于CS对中的类别；其次，设CS对中的类别的序号为b,CS对中的样本所属类别的序号为i，该样本的特征矢量为X，令Do＝D(X，b)，Di＝max{D(X，i)，1}，计算CS对的偏离度比值K＝Do/Di,只保留K≥3的CS对；

S4、根据搜集的CS对序列Pairs，依次循环扫描每个有效的L_f并逐步增加L_f的值，但每次更新L_f的值要满足两个条件：一是不能大于其上界U_fR_f；二是更新前后，Pairs中的任何一个CS对的偏离度比值的改变都要满足：记更新前的偏离度比值为K₁，更新后的比值为K₂，如果K₂＜4则需满足K₂≥γ(K₁)K₁,其中γ(K₁)＝1-(0.1K₁)⁴或形状相近的函数也可；不满足这两个条件就停止更新L_f，直到所有w_f≠0的L_f都更新完毕；最后对标记为同一种的所有特征的L_f值求平均后再赋给它们，这里的求平均也可用取中值代替。