[发明专利]用于训练分类器的装置和方法

权利要求书

1.一种用于训练分类器（60）、具体地二元分类器的计算机实施的方法，所述分类器用于根据不可分解的度量对输入信号（x_i）进行分类以优化性能，所述不可分解的度量衡量对应于一组训练数据的输入信号（x_i）的类别（y_i）和从所述分类器获得的所述输入信号的对应的预测类别（）之间的对齐，所述方法包括以下步骤：

- 提供加权因子（a_j、b_j、f_j、g_j），所述加权因子表征所述不可分解的度量如何依据来自所述类别（y_i）和所述预测类别（）的混淆矩阵的多个项（RP、TN、PP、AP、AN）；

- 依据提供的所述加权因子（a_j、b_j、f_j、g_j）来训练所述分类器（60）。

2.根据权利要求1所述的方法，其中所述不可分解的度量由公式给出，其中a_j和b_j是标量值，且f_j和g_j是函数，并且TP、TN、PP、PN、AP和AN是所述混淆矩阵的项，即，TP =“真阳性”，TN =“真阴性”，PP =“预测阳性”，PN =“预测阴性”，AP =“实际阳性”，且AN =“实际阴性”。

3.根据权利要求2所述的方法，其中，所述优化通过寻找两玩家游戏在第一玩家（）和第二玩家（）之间的平衡来实施，其中，所述第一玩家（）试图寻找对应于所述训练数据（T）的输入信号（x_i）的第一类别（），并且所述第二玩家（）试图寻找对应于所述训练数据（T）的输入值（x_i）的第二类别（），并且其中，所述第一玩家（）试图最大化且所述第二玩家（）试图最小化所述度量的预期值，其中基于所述第一类别（）和所述第二类别（）来评估所述混淆矩阵，其中，所述第二类别（）服从于矩匹配约束。

4.根据权利要求3所述的方法，其中，通过寻找对应于所述矩匹配约束的拉格朗日乘子（）的最优值来实施所述优化，并且其中，所述二元分类器（60）的完全连接层（64）的训练参数被设置为等于所述拉格朗日乘子（）的所述最优值。

5.根据权利要求4所述的方法，其中，基于所述第一类别（）和/或所述第二类别（）的边缘概率（）来计算所述预期值。

6.根据权利要求5所述的方法，其中，所述优化包括通过仅对那两个玩家（、）中的一个中的线性程序求解来对所述两玩家游戏求解。