[发明专利]基于点到局部特征空间距离的分类器模型建立方法

摘要

本发明涉及一种基于点到局部特征空间距离的分类器模型建立方法。其技术方案是：对于任一未知类别的样本点X_i，采用K近邻方法确定任一未知类别的样本点X_i的K个已知类别为c_j(j＝1,2,...L)的近邻点，再分别组成类别为c_j(j＝1,2,...L)的局部特征空间，计算未知类别的样本点X_i到每一个具有不同类别的局部特征空间的欧氏距离，然后选择到未知类别样本点X_i欧氏距离最小的局部特征空间的类别，作为未知类别样本点X_i的类别。本发明能有效地抑制噪声或奇异点对数据类别预测的干扰，增强了分类器模型的鲁棒性能，提高了未知类别的样本点的类别预测效果。

主权项

一种基于点到局部特征空间距离的分类器模型建立方法，其特征在于所述分类器模型建立方法的具体步骤是：步骤一、计算任一未知类别的样本点X_i与类别为c_s的所有样本点之间的欧式距离，取所述欧式距离由小到大排列的前k个类别为c_s的样本点将所述前k个类别为c_s的样本点作为任一未知类别样本点X_i的类别为c_s的局部近邻点，构建类别为c_s的局部特征空间i表示自然数，s∈{1,2，...,L}，L表示所有样本点的类别总数；步骤二、重复步骤一，分别从类别为c_t(t＝1,2,...,L‑1)的所有样本点中，选取k个类别为c_t(t＝1,2,...,L‑1)的局部近邻点(t＝1,2,...,L‑1)，构建相应的类别为c_t(t＝1,2,...,L‑1)的局部特征空间(t＝1,2,...L‑1)，L表示所有样本点的类别总数；步骤三、分别计算任一未知类别的样本点X_i到类别为c_j的局部特征空间的欧氏距离$D^{\left(c_j\right)}\left(X_i\right)=\left|\right|X_i-f^{\left(c_j\right)}\left(X_i\right)\left|\right|---\left(1\right)$式(1)中：c_j表示类别为c₁，c₂，...,c_L中的任一类，表示任一未知类别的样本点X_i到类别为c_j的局部特征空间的投影，$f^{\left(c_j\right)}\left(X_i\right)=\underset{m}{\mathrm{\Σ}}{a}_{\mathrm{im}}{X}_{\mathrm{im}}^{\left(c_j\right)}---\left(2\right)$式(2)中：表示任一未知类别的样本点X_i的类别为c_j的局部近邻点，a_im(m＝1,2,...,k)表示是在类别为c_j的局部特征空间内，由类别为c_j的局部近邻点所线性表示的任一未知类别的样本点X_i的线性系数，步骤四、预测任一未知类别的样本点X_i的类别将任一未知类别的样本点X_i到类别为c_j的局部特征空间的欧氏距离按照由小到大的顺序进行排列，选择到任一未知类别的样本点X_i具有最小欧氏距离的局部特征空间的类别，作为任一未知类别的样本点X_i的类别，其中：c_j表示类别为c₁，c₂，...,c_L中的任一类。