[发明专利]域自适应分类器的构造及数据分类的方法和装置

摘要

本发明提供了一种域自适应分类器的构造及数据分类的方法和装置，其中，该构造方法包括确定构造域自适应分类器的组合罚目标函数，其中，所述域自适应分类器是对目标域和源域的数据进行分类的分类器；基于所述组合罚目标函数确定域自适应泛化误差上界；基于所述自适应泛化误差上界，对两个以上分类器进行协同训练，构造出域自适应分类器。本发明解决了现有技术中源域和目标域分布不一致的问题，在保证收敛的前提下可以实现更为准确的分类别，大幅度地降低了计算复杂度，解决了普通模式识别无法处理的跨领域信息处理的问题。

主权项

一种域自适应分类器的构造方法，其特征在于，包括：确定构造域自适应分类器的组合罚目标函数，其中，所述域自适应分类器是对目标域和源域的数据进行分类的分类器；基于所述组合罚目标函数确定域自适应泛化误差上界；基于所述自适应泛化误差上界，对两个以上分类器进行协同训练，构造出域自适应分类器；其中，确定的所述组合罚目标函数为：εα(h)＝αεT(h)+(1‑α)εS(h)其中，εα(h)表示组合罚目标函数，εT(h)表示目标域期望误差，εS(h)表示源域期望误差，α∈[0,1]，h表示假设函数类H中的参考假设函数；其中，基于所述组合罚目标函数确定的域自适应泛化误差上界为：对于以至少1‑δ的概率对所有h∈H成立以下不等式：ϵT(h^)≤ϵT(hT*)+4α2β+(1-α)21-β×2dlog(2(m+1))+2log(8δ)+2(1-α)(12d^HΔH(US,UT)+42dlog(2m′)+log(8δ)m′+λ)]]>其中，H表示d维假设空间的假设函数类，d表示维度，S＝(ST,SS)表示包含m个已标识样例的样本集，其中ST表示来自目标域DT的βm个已标识样例集，SS表示来自源域DS的(1‑β)m个已标识样例集，US,UT表示m'个未标识样例集，表示使组合经验误差取值最小的假设函数，其中，组合经验误差表示目标域经验误差，表示源域经验误差，表示使目标域误差最小的假设函数，表示源域和目标域的经验对称差距离，表示使组合经验误差取值最小的假设函数在目标域上的误差的数学期望，表示使目标域误差最小的假设函数在目标域上的误差的数学期望；其中，基于所述自适应泛化误差上界，对两个以上分类器进行协同训练，包括：将确定的所述域自适应泛化误差上界转换为如下的替代误差上界：对于以至少1‑δ的概率对所有h∈H成立以下不等式：ϵT(h^)≤ϵT(hT*)+42α2mTL×2dlog(2(m′+mTL+1))+2log(8δ)+2(1-α)(12d^HΔH(US,UT)+42dlog(2m′)+log(8δ)m′+λ)]]>其中，目标域DT的样例总个数为m'，其中，已标识样例个数为未标识样例个数为源域DS的样例总个数为m'，都是已标识样例，δ表示使用算法的用户给出的分类算法的置信度参数；基于所述替代误差上界，对两个以上分类器进行协同训练；其中，基于所述替代误差上界，对两个以上分类器进行协同训练，包括：获取训练样本集，其中，所述训练样本集包括源域的训练样本和目标域的训练样本；对每个分类器进行初始化，并为每个分类器分配训练样本；对每个分类器重复执行以下操作，直至重复次数达到预定的最高重复次数或者各个分类器的权值w的值不再变化：按照分类器当前的训练样本和w的值，对未标识的目标域样例进行预测，对预测到的与其它分类器的预测结果不同的样例进行判别，如果满足判别条件，则将其它分类器中该样例的预测结果作为已标识样例更新到该分类器的训练样本中，依次迭代求得所述目标函数中w的取值，将求得的w的取值作为下一次重复操作时w的取值；将求得的w的值作为所述目标函数的最优解；其中，所述判别条件包括：且其中，t表示重复次数，为正整数。