[发明专利]一种基于凸边界的学习样本抽取方法在审
| 申请号： | 201711314980.2 | 申请日： | 2017-12-12 |
| 公开（公告）号： | CN108052592A | 公开（公告）日： | 2018-05-18 |
| 发明（设计）人： | 袁玉波;顾依依;谈询滔;阮彤 | 申请（专利权）人： | 华东理工大学 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06K9/62;G06N99/00 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 200237 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本方法公开了一种基于凸边界的学习样本抽取方法。目标是提升智能分类系统的效率，减少机器学习训练样本的数量。本方法核心技术包括：第一、对用户给出的数据库的预切割技术，包括缺失值和异常值处理，以及数据集合的预切割工作；第二、类别集合的中心化，引入样本凸集合的概念，给出类别样本索引；第三、凸边界样本抽取，每个象限内，根据边界宽度抽取边界样本。此方法可以提升智能分类系统的机器学习性能。通过5类常用的数据分类算法在20个UCI数据库上的试验结果表明，通过边界样本的抽取方法得到的边界样本是有效的，在系统的准确率变化范围内，学习样本数量大幅减少，效率显著提升。 | ||
| 搜索关键词： | 一种 基于 凸边 学习 样本 抽取 方法 | ||
【主权项】：
1.一种基于凸边界的学习样本抽取方法，其特征在于：在用于机器学习的数据库中抽取学习样本时，进行了以下步骤，步骤1，数据集合的预切割：对输入的数据库进行预处理，包括缺失值、异常值的处理；步骤2，构造学习样本凸集合：将每类子集中心化，形成凸集合，依象限用hash表构成样本索引；步骤3，边界样本抽取：在凸集合的象限边界上抽取样本。
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华东理工大学，未经华东理工大学许可，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/201711314980.2/，转载请声明来源钻瓜专利网。
