[发明专利]一种基于DSVM的大数据分类预测方法

权利要求书

1.一种基于DSVM的大数据分类预测方法，其特征在于，包括：

步骤S1:利用SVM对训练集X分类,若分类正确，则进入步骤S5,若分类不正确，则进入步骤S2；

步骤S2：从训练集X中寻找错分类样例集合Y；

步骤S3：对错分类样例集合Y的数据进行DSVM数据处理；

步骤S4：利用处理过的数据训练分类器，以提高分类器的分类正确率和分类效率；

步骤S5：结束。

2.根据权利要求1所述的基于DSVM的大数据分类预测方法，其特征在于，所述步骤S2包括：

步骤S2-1：选择SVM核函数K(x,y)，并初始化参数v_i、C；

步骤S2-2：针对训练集X中所有训练样本利用SVM算法模型进行分类训练学习，并记录每个错误的分类样例x_i，组成集合Y。

3.根据权利要求2所述的基于DSVM的大数据分类预测方法，其特征在于，步骤S2-2中，包括：

步骤S2-2-1：将训练集X中每条记录映射到相应的核空间R′；

步骤S2-2-2：计算其内积；

步骤S2-2-3：若分类结果正确，则不作任何操作；

步骤S2-2-4：若分类结果不正确，记录每个错误的分类样例x_i，组成集合Y。

4.根据权利要求2所述的基于DSVM的大数据分类预测方法，其特征在于，所述步骤S3包括：

步骤S3-1：确定DE算法所采用的具体策略和控制参数；

步骤S3-2：对错分类样例集合Y集合进行初始化，确定错分类样例集合Y中每个样本的目标函数值；

步骤S3-3：变异操作；

步骤S3-4：交叉操作；

步骤S3-5：通过选择操作，判断是否满足条件，若满足条件，则得到新鲜样本，否则转步骤S3-3；

步骤S3-6：若DSVM数据处理产生新的样本，重复步骤S2-1和步骤S2-2操作；

步骤S3-7：若训练条件满足，分类正确，进行下一样本学习，否则重复步骤S3-3至S3-7操作。

5.根据权利要求4所述的基于DSVM的大数据分类预测方法，其特征在于，所述步骤S3-3通过公式(1)进行变异操作：

式中，表示支持向量，r₁，r₂和r₃为[1,N]间随机数，并且互不相同，F为变异因子。

6.根据权利要求5所述的基于DSVM的大数据分类预测方法，其特征在于，所述步骤S3-4通过公式(2)进行交叉操作：

式中，R_r为交叉概率，rand(j)为1至D的随机数，D为样例的维数。

7.根据权利要求6所述的基于DSVM的大数据分类预测方法，其特征在于，所述步骤S3-5中，为了确定x_i是否成为下一代的成员，将向量u_i和目标向量x_i的适应度进行比较，以确定下一代个体：

式中，f(x)为适应度函数。