[发明专利]训练多类Boosting分类器的方法

摘要

一种训练多类Boosting分类器的方法，在训练过程中的每次循环之后并在下一次循环开始之前，为训练数据中的每个训练样本的样本权重分配一个与训练样本所属的类对应的类权重，即，样本权重和类权重构成训练样本在每个训练循环中的训练权重。每个类对应的类权重根据在本次以及最近的循环训练得到的强分类器对于该类的性能而动态地变化，以使性能差的类的训练样本在下次循环中的训练权重增大，从而性能好的类在下次循环中的训练权重减小，使各个类的性能尽可能在相同的循环中达到性能目标阈值而完成训练，从而最终使得性能最差的类所需的弱分类器的数量减小，同时对不同的类进行分类所需的弱分类器的数量基本相同。

主权项

1、一种用于训练多类Boosting分类器的方法，所述方法包括：(1)提供包括多个类的训练样本的训练数据；(2)设置性能目标阈值，初始化训练样本的训练权重，其中，训练样本的训练权重包括训练样本的样本权重和类权重，所述训练样本的类权重与所述多个类中与训练样本所属的类相对应；(3)使用Boosting方法对训练数据中的被训练权重加权的训练样本进行循环训练，其中，在所述循环训练过程中的每次循环之后，得到用于与所述进行训练的训练样本对应的类的弱分类器，将在已经完成的训练循环得到的弱分类器组合为强分类器，并测试所述强分类器的性能以确定是否存在性能达到或超过所述性能目标阈值而完成训练的类，对于完成训练的类，从训练数据中去除完成训练的类的训练样本；对于没有完成训练的类，则根据Boosting方法调整其训练样本的基础权重，并根据其性能调整其类权重，以使在本次以及最近的循环中或仅在本次循环中性能差的类的训练样本在下次循环中的训练权重增大；(4)将在步骤(3)训练得到的所有弱分类器组合为多类Boosting分类器。