[发明专利]一种在线高维不平衡流数据的学习方法在审
| 申请号： | 201810732705.0 | 申请日： | 2018-07-05 |
| 公开（公告）号： | CN109102077A | 公开（公告）日： | 2018-12-28 |
| 发明（设计）人： | 胡冀;颜成钢;彭冬亮;吴建锋 | 申请（专利权）人： | 杭州电子科技大学 |
| 主分类号： | G06N99/00 | 分类号： | G06N99/00;G06K9/62 |
| 代理公司： | 浙江永鼎律师事务所 33233 | 代理人： | 雷仕荣 |
| 地址： | 310018*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种在线高维不平衡流数据的学习方法，包括以下步骤：步骤S1：输入参数并初始化在线学习模型；步骤S2：将当前样本输入在线学习模型；步骤S3：利用在线不平衡流数据分类算法更新权值；步骤S4：对权值中特征权重进行截断并重新更新权值。采用本发明技术方案，通过截断算法将贡献量极小的特征权重进行截断，从而进一步优化了模型，即解决了传统在线分类方法无解解决的不平衡流数据分类问题，同时提高了分类精度。 | ||
| 搜索关键词： | 流数据 截断 特征权重 在线学习 高维 分类算法 分类问题 输入参数 样本输入 在线分类 初始化 贡献量 更新 算法 学习 分类 优化 | ||
【主权项】：
1.一种在线高维不平衡流数据的学习方法，其特征在于，包括以下步骤：步骤S1：输入参数并初始化在线学习模型；步骤S2：将当前样本输入在线学习模型；步骤S3：利用在线不平衡流数据分类算法更新权值；步骤S4：对权值中特征权重进行截断并重新更新权值；其中，所述步骤S4进一步包括：设定截断步长K，每K步执行特征权重截断算法对权值进行更新；其中，特征权重截断算法为：![]()
其中，wj为权值中的向量特征；a为偏置；θ为阈值。
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杭州电子科技大学，未经杭州电子科技大学许可，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/201810732705.0/，转载请声明来源钻瓜专利网。
