[发明专利]基于L2;p范数距离度量的GEPSVM分类方法在审
| 申请号： | 201910161295.3 | 申请日： | 2019-03-04 |
| 公开（公告）号： | CN109934274A | 公开（公告）日： | 2019-06-25 |
| 发明（设计）人： | 於东军;闫贺;戚湧;葛芳 | 申请（专利权）人： | 南京理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 马鲁晋 |
| 地址： | 210094 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： | 本发明公开了一种基于L2,p范数距离度量的GEPSVM分类方法，包括：对待分类数据进行归一化操作；将归一化后的样本数据分割成测试数据集和训练数据集；构建改进的GEPSVM模型，将训练数据集输入该模型进行训练，同时获得最优参数；更新改进的GEPSVM模型的参数，生成最优的预测模型；把测试数据集输入至生成的预测模型，从而获得一组预测结果。通过本发明可有效地缓和数据中野值的影响，增强模型的鲁棒性，并提高其分类结果及泛化能力。 | ||
| 搜索关键词： | 测试数据集 训练数据集 距离度量 预测模型 范数 归一化操作 分类结果 分类数据 样本数据 预测结果 最优参数 归一化 鲁棒性 有效地 分类 构建 改进 缓和 分割 更新 | ||
【主权项】：
1.一种基于L2,p范数距离度量的GEPSVM分类方法，其特征在于，具体步骤为：步骤1、对待分类数据进行归一化操作；步骤2、使用交叉验证法将归一化后的数据分为两部分：测试数据集和训练数据集；步骤3、构建改进的GEPSVM模型，将训练数据集输入改进的GEPSVM模型进行模型训练，在训练过程中通过交叉验证的方法获得最优参数c；步骤4、更新改进的GEPSVM模型的增广向量![]()
和![]()
t为迭代次数，确定最优增广向量z1和z2，生成最优改进的GEPSVM分类模型；步骤5、依次从k个不相交的子样本中选取一个子样本作为测试数据集，其它k‑1个作为训练数据集，重复步骤4，直至所有子样本都作为测试数据集和训练数据集被训练为止，总共得到k组最高的分类结果，对k组分类结果求平均值，该平均值为最终的分类结果。
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南京理工大学，未经南京理工大学许可，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/201910161295.3/，转载请声明来源钻瓜专利网。
