[发明专利]基于忆阻器的朴素贝叶斯分类器设计方法、系统及分类器有效

专利信息
申请号: 202110403525.X 申请日: 2021-04-14
公开(公告)号: CN113191402B 公开(公告)日: 2022-05-20
发明(设计)人: 孙华军;周佐湃;李莉;缪向水 申请(专利权)人: 华中科技大学
主分类号: G06K9/62 分类号: G06K9/62;G06V10/774;G06N3/06;G06N3/08
代理公司: 华中科技大学专利中心 42201 代理人: 胡秋萍
地址: 430074 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 忆阻器 朴素 贝叶斯 分类 设计 方法 系统
【权利要求书】:

1.一种基于忆阻器的朴素贝叶斯分类器设计方法,其特征在于,包括:

S1,构建包含M行×2N列忆阻器阵列的朴素贝叶斯分类器,M为所述朴素贝叶斯分类器输出的类型的数量,N为图片中像素点的个数,每一像素点的像素值为0或1;

S2,从训练样本中选取第j个类型对应的第j训练样本,计算所述第j训练样本中第i个像素点中像素值为0的个数hj,2i-1和像素值为1的个数hj,2i,j=1,2,……,M,i=1,2,……,N;

S3,在第j行第2i-1列的忆阻器Rj,2i-1上施加hj,2i-1个脉冲以对所述忆阻器Rj,2i-1的电导进行调制,在第j行第2i列的忆阻器Rj,2i上施加hj,2i个脉冲以对所述忆阻器Rj,2i的电导进行调制,调制后的朴素贝叶斯分类器用于识别待分类图片的类型;

调制过程中,所述忆阻器的电导为:

G=a×ln(N1)+b

所述忆阻器对应的分类统计计算概率与所述忆阻器的电导满足:

ln P∝-G

其中,G为所述忆阻器的电导,N1为所述忆阻器上施加的脉冲的数量,P为所述忆阻器对应的条件概率值,ln P为所述分类统计计算概率,a为第一拟合参数,b为第二拟合参数;

所述S3之后还包括:

获取所述待分类图片中各像素点的像素值,当第i个像素点的像素值为0时,在第2i-1列忆阻器上施加脉冲,否则,在第2i列忆阻器上施加脉冲;

比较所述朴素贝叶斯分类器中各行忆阻器输出端的电流,最小电流对应行的类型为所述待分类图片的类型。

2.如权利要求1所述的基于忆阻器的朴素贝叶斯分类器设计方法,其特征在于,所述S1包括:

获取所述训练样本中样本类型的数量M,并对所述训练样本进行像素点划分,以将每一训练样本划分为N个像素点;

将所述忆阻器阵列的行数设计为M,并将所述忆阻器阵列的列数设计为2N。

3.如权利要求1所述的基于忆阻器的朴素贝叶斯分类器设计方法,其特征在于,当所述训练样本的数量超出所述忆阻器的电导范围对应的样本数量范围时,所述S2还包括:对hj,2i-1和hj,2i进行等比例缩放,以将各hj,2i-1和hj,2i缩小至所述忆阻器的电导范围对应的样本数量范围;

所述S3中根据hj,2i-1和hj,2i缩小后的结果分别对所述忆阻器Rj,2i-1和所述忆阻器Rj,2i的电导进行调制。

4.如权利要求1所述的基于忆阻器的朴素贝叶斯分类器设计方法,其特征在于,当所述训练样本中新增训练样本时,所述S3之后还包括:

根据新增训练样本的类型j′、新增训练样本中各像素点i的像素值,在调制后的朴素贝叶斯分类器中第j′行第2i-1列或第j′行第2i列的忆阻器上施加脉冲以进行电导调制。

5.如权利要求1所述的基于忆阻器的朴素贝叶斯分类器设计方法,其特征在于,当所述忆阻器阵列的列数存在冗余时,所述S3之后还包括:通过剪枝处理对调制后朴素贝叶斯分类器中各像素点对应的忆阻器列进行优化。

6.如权利要求1-5任一项所述的基于忆阻器的朴素贝叶斯分类器设计方法,其特征在于,所述S3中进行调制之前还包括:将所述忆阻器阵列中各忆阻器的电导初始化为所述忆阻器的最大电导值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110403525.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top