[发明专利]一种基于SVM的栈式结构层次分类模型的构建方法

权利要求书

1.一种基于SVM的栈式结构层次分类模型的构建方法，包括以下步骤：

S01，给定真实的数据集X＝{x_i|x_i∈R^d,i＝1,2,…,N}以及与X相对应的真实的标签集Y＝{y_i|y_i∈R,i＝1,2,…,N}；

S02，从数据集X中随机选取一定比例的样本，修改选定样本的标签类型，使选定的样本成为对抗样本的数据集Y；

S03，通过SVM算法训练包含对抗样本的数据集Y进行对抗样本学习，通过训练生成对抗支持向量机A-SVM模型；

S031，对于样本x_i对抗支持向量机A-SVM模型输出为输出误差

S032，计算对抗支持向量机A-SVM的输出误差E对输入样本x_i的一阶梯度信息矩阵计算输出误差E对于样本x_i中每个特征的一阶梯度组成一阶梯度向量

S033，将一阶梯度信息嵌入到原输入样本x_i中以更新每个原输入样本，即参数γ为特征学习率；

S034，计算输出误差E对所有样本的一阶梯度，得到N×d维一阶梯度信息矩阵G，

S035，利用一阶梯度信息矩阵G更新原数据集X得到更新后的数据集X’，即X′＝X+γG；

S04，将数据集X’重复步骤S02至S03，直到取得最佳分类效果或者达到设定的最大层数值。

2.如权利要求1所述的一种基于SVM的栈式结构层次分类模型的构建方法，其特征在于：所述步骤S04还包括随机选择数据集X’中每一个输入样本x_i的部分特征，通过对选定的样本x_i特征进行更新，其他未被选择的样本特征保持原有的特征值。