[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

说明书

本发明公开了一种基于酉空间多特征融合的复数支持向量机分类方法，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。本发明通过结合不同的特征，可以提高分类的准确率，并且在输入至分类向量机之前对提取的不同的特征结合后的特征进行特征选取，降低分类向量机训练和检测时间。

技术领域

本发明涉及分类技术领域，特别涉及一种基于酉空间多特征融合的复数支持向量机分类方法。

背景技术

分类任务在生活中十分常见，精准且高效的分类算法一直为研究热点，现有的分类算法中SVM(支持向量机)算法应用广泛，基于SVM的分类算法通过提取分类对象的特征并输入至支持向量机中进行分类，但是，现有技术中基于SVM的分类算法的准确度有待提高。

因此，现有技术还有待改进和提高。

发明内容

针对现有技术的上述缺陷，本发明提供一种基于酉空间多特征融合的复数支持向量机分类方法，旨在解决现有技术中基于SVM的分类准确度不高的问题。

为了解决上述技术问题，本发明所采用的技术方案如下：

本发明的第一方面，提供一种基于酉空间多特征融合的复数支持向量机分类方法，所述方法包括：

提取待分类对象的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。

所述的基于酉空间多特征融合的复数支持向量机分类方法，其中，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。

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，其中，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：

分别提取所述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；

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。

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，其中，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；

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。

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，其中，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：