[发明专利]基于酉空间多特征融合的复数支持向量机分类方法

权利要求书

1.一种基于酉空间多特征融合的复数支持向量机分类方法，其特征在于，所述方法包括：

提取待分类对象的初始特征，其中，所述初始特征包括第一特征和第二特征；

将所述待分类对象的第一特征作为实部，将所述待分类对象的第二特作为虚部，组合得到所述待分类对象对应的复数特征；

根据预设矩阵对所述待分类对象对应的复数特征进行特征选择，提取所述待分类对象对应的目标特征；

将所述待分类对象对应的所述目标特征输入至已训练的分类向量机，得到所述待分类对象的类别；

所述预设矩阵是通过训练集得到，所述训练集中包括类别为第一类的多个样本对象和类别为第二类的多个样本对象；

所述根据预设矩阵对所述待分类对象对应的复数特征进行特征选择之前，包括：

分别提取预设训练集中各个样本对象分别对应的第一特征和第二特征；

根据所述各个样本对象分别对应的第一特征和第二特征确定所述各个样本对象分别对应的复数特征；

所述根据所述各个样本对象分别对应的第一特征和第二特征确定所述各个样本对象分别对应的复数特征，包括：

分别根据目标样本对象的第一特征和第二特征，生成所述目标样本对象对应的多个中间第一特征和多个中间第二特征；

所述分别根据目标样本对象的第一特征和第二特征，生成所述目标样本对象对应的多个中间第一特征和多个中间第二特征，包括：

基于所述目标样本对象对应的第一特征和所述目标样本对象所属的类别的所有样本对象对应的第一特征的均值，根据高斯分布生成所述目标样本对象对应的所述多个中间第一特征，用公式表示为：

其中，为训练集中的第i个样本所属的类的第一特征的均值；

基于所述目标样本对象对应的第二特征和所述目标样本对象所属的类别的所有样本对象对应的第二特征的均值，根据高斯分布生成所述目标样本对象对应的所述多个中间第二特征，用公式表示为：

其中，为训练集中的第i个样本所属的类的第二特征的均值。

2.根据权利要求1所述的基于酉空间多特征融合的复数支持向量机分类方法，其特征在于，所述分类向量机是根据多组训练数据得到，每组训练数据包括样本对象的目标特征和样本对象对应的类别。

3.根据权利要求1所述的基于酉空间多特征融合的复数支持向量机分类方法，其特征在于，所述根据预设矩阵对所述待分类对象对应的复数特征进行特征选择之前，还包括：

根据类别为第一类的样本对象分别对应的复数特征和类别为第二类的样本对象分别对应的复数特征确定所述预设矩阵。

4.根据权利要求1所述的基于酉空间多特征融合的复数支持向量机分类方法，其特征在于，所述根据所述各个样本对象分别对应的第一特征和第二特征确定所述各个样本对象分别对应的复数特征，还包括：

将所述多个中间第一特征中的目标中间第一特征作为实部，将所述多个中间第二特征中与所述目标中间第一特征对应的目标中间第二特征作为虚部，组合得到所述目标样本对象对应的目标复数特征。

5.根据权利要求3所述的基于酉空间多特征融合的复数支持向量机分类方法，其特征在于，所述根据类别为第一类的样本对象对应的复数特征和类别为第二类的样本对象对应的复数特征确定所述预设矩阵，包括：

根据类别为第一类的样本对象分别对应的复数特征和类别为第二类的样本对象分别对应的复数特征，融合至少一种目标降维方法的目标函数构建第一目标函数；

求解所述第一目标函数得到所述预设矩阵；

其中，所述目标降维方法包括：典型相关分析法、主成分分析法和线性判别分析法。

6.根据权利要求1-5任一项所述的基于酉空间多特征融合的复数支持向量机分类方法，其特征在于，所述分类向量机的训练目标函数为：

其中，其中，λ为步长，n为训练集中样本对象的数量，K为训练数据的数量，表示训练集中第i个样本特征对应的第k个复数特征real(·)表示对实部部分运算，w、b为所述分类向量机的参数。