[发明专利]为分类学习变换测量数据

摘要

提供了一种系统(600)、设备(500)及方法，用于测量数据的组合变换，以使得变换后的数据适于由模式分类学习方法来输入。在不可靠区域中减小变换后的数据的灵敏度，同时在其它区域中很大程度上不改变或增加该灵敏度。使用设备(500)和系统(600)中的组合变换模块(502)将高斯变换与S形函数相结合来实现灵敏度减小。用户可以通过系统(600)的用户控制子系统(604)以及通过提供输入到设备(500)中的用户分析输入(508)输入来指导该处理。

主权项

1、一种方法，用于将测量数据变换到可接受的范围[1，u]，以便由给定分类学习类型的学习机来输入，包括步骤：采用至少一个预定的参数化变换组合(502)一个至所述可接受范围[1，u]的参数化变换，其降低了在不可靠数据的高灵敏度区域中的灵敏度，因此所述学习机不使用满足关于不可靠性和不期望性的预定标准的差值；使用所述组合变换将一组测量数据(702)变换(703)到所述可接受范围[1，u]；测试(503)所述变换后的数据是否不满足预定标准，直至满足停止标准为止，重复执行以下步骤：-调整(705)所述参数化组合变换的至少一个参数(504)，并且-执行所述变换步骤和测试步骤；如果所述变换后的数据满足(704)从由预定标准和预定停止条件构成的组中选出的一个条件(505)，就输出所述变换后的测量数据。