[发明专利]面向复杂数据的混合范数多不定核分类方法在审
| 申请号： | 201610356544.0 | 申请日： | 2016-05-26 |
| 公开（公告）号： | CN106022382A | 公开（公告）日： | 2016-10-12 |
| 发明（设计）人： | 薛晖 | 申请（专利权）人： | 东南大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人： | 陈国强 |
| 地址： | 211189 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种面向复杂数据的混合范数多不定核分类方法，包括以下步骤：(1)获取用于训练分类器的复杂数据；(2)预处理：通过多个核函数将复杂数据转换成训练分类器所需要的核矩阵；(3)模型设计：通过约束多类核间隔和采用多类Hinge‑loss损失函数来设计分类器模型；(4)模型构建：在多类核间隔和多类Hinge‑loss损失函数的基础上，利用不定核技术构造一个更有效的核组合；通过引入类间差异性来提高模型的灵活性；利用混合范数lg,2‑范数(0＜g≤1)的稀疏性来降低模型的复杂度；(5)将新的复杂数据输入训练得到的分类器中，得到最终的分类结果。本发明提升了分类器在面对复杂数据时的分类能力和效率。 | ||
| 搜索关键词： | 面向 复杂 数据 混合 范数 不定 分类 方法 | ||
【主权项】：
一种面向复杂数据的混合范数多不定核分类方法，其特征在于：包括以下步骤：(1)获取用于训练分类器的复杂数据；(2)预处理：通过多个核函数将复杂数据转化成训练分类器所需的核矩阵；(3)模型设计：通过约束多类核间隔和采用多类Hinge‑loss损失函数来设计分类器模型；(4)模型构建：在多类核间隔和多类Hinge‑loss损失函数的基础上，利用不定核技术构造一个更有效的核组合，提升分类器在面对复杂数据时的泛化能力以获得更优的经验分类结果；通过引入类间差异性来提高模型的灵活性；利用混合范数lg,2‑范数(0＜g≤1)的稀疏性来降低模型的复杂度；(5)将新的复杂数据输入训练得到的分类器中，得到最终的分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东南大学，未经东南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610356544.0/，转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
