[发明专利]一种用于解决多分类问题的纠错SVM分类方法

摘要

本发明公开了一种用于解决多分类问题的纠错SVM分类方法，属于模式识别和机器学习技术领域。其特征是由纠错SVM网络的训练系统和纠错SVM网络的工作系统组成。纠错SVM网络的训练系统由编码器、训练样本集划分器、n个SVM单元训练器组成；纠错SVM网络的工作系统由经过纠错SVM网络的训练系统训练好的n个SVM单元、解码器组成。本发明利用数字通信中的纠错编码算法将多个SVM进行有效地组合，使得组合后的SVM网络具有纠正其中部分SVM单元所发生的分类错误的能力，而且需要使用的SVM单元的数量较少，从而使该分类方法的综合性能得到提高。

主权项

一种用于解决多分类问题的纠错SVM分类方法，包括纠错SVM网络的训练系统、纠错SVM网络的工作系统；在纠错SVM网络的训练系统中包括编码器、训练样本集划分器、n个SVM单元训练器；纠错SVM网络的工作系统中包括n个SVM单元、解码器；其特征在于：纠错SVM网络的训练系统用于训练纠错SVM网络，完成该纠错SVM网络的设计过程；纠错SVM网络的工作系统用来完成分类操作过程，该系统是由纠错SVM网络的训练系统训练好的n个SVM单元并以相同的网络结构来构成。在纠错SVM网络的训练系统中，依据数字通信中的纠错编码理论，选择一个具有纠错能力的编码算法产生一套n比特二进制码字，将输入的训练样本特征矢量集中每个矢量都赋给一个码字作为其代号，由此产生一套对应的特征矢量集SC，训练样本集划分器根据该编码代号将SC重新划分，生成n个特征矢量集Si；在SVM单元训练器‑i中以Si为训练样本以SVM学习算法进行训练，全部收敛后，完成该纠错SVM网络的训练过程；在纠错SVM网络的工作系统中，所用的n个SVM单元是在纠错SVM网络的训练系统中经过训练且收敛后所得到的n个SVM单元并以相同的结构来构成网络；对于某个待分类的样本特征矢量Xf，该系统中的第i个SVM单元直接对Xf进行计算，产生输出bi，送给解码器。在解码器中，首先用n个bi构成一个n比特的二进制码字B＝(b1b2...bn)，然后采用与编码器相配套的解码算法对B进行解码，输出是经过纠错运算后的解码结果Yd；于是，由Yd所代表的类别即作为该分类方法对输入样本矢量Xf的分类结果。