[发明专利]一种基于势函数聚类的优化下采样SVM分类方法及存储介质在审
| 申请号： | 201910344865.2 | 申请日： | 2019-04-26 |
| 公开（公告）号： | CN110059764A | 公开（公告）日： | 2019-07-26 |
| 发明（设计）人： | 闻辉;黄金火;严涛;陈德礼;林元模;李同彬;车艳;徐航 | 申请（专利权）人： | 莆田学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 福州市景弘专利代理事务所(普通合伙) 35219 | 代理人： | 黄以琳;林祥翔 |
| 地址： | 351100 福建*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于势函数聚类的优化下采样SVM分类方法及存储介质，所述方法包括以下步骤：通过势函数密度聚类从原始训练样本集中筛选出新的样本集合；根据新的样本集合训练得到SVM分类曲面。通过势函数密度聚类从原始训练样本集中筛选出新的样本集合，对原始训练样本控制的不同子区域进行覆盖，已抽选出具有代表性的样本集合来构造SVM的下采样训练集，可以有效逼近原始样本控制结构分布，因此确保了所得SVM决策曲面的分类性能。克服了随机采样SVM方法中样本采样不足导致的样本空间结构失真问题，可以以相对少数量的训练样本来逼近原始样本空间结构分布；克服了聚类SVM方法中的聚类个数需要手动调整和聚类子空间覆盖范围尺度不一致的问题。 | ||
| 搜索关键词： | 聚类 样本集合 势函数 原始训练样本 下采样 空间结构 存储介质 密度聚类 原始样本 逼近 样本 筛选 范围尺度 分类性能 控制结构 失真问题 手动调整 随机采样 不一致 训练集 子空间 子区域 采样 抽选 覆盖 优化 决策 | ||
【主权项】：
1.一种基于势函数聚类的优化下采样SVM分类方法，其特征在于，包括以下步骤：通过势函数密度聚类从原始训练样本集中筛选出新的样本集合；根据新的样本集合训练得到SVM分类曲面。
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莆田学院，未经莆田学院许可，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/201910344865.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种特征筛选方法及装置
- 下一篇：一种矿物智能识别分类系统与方法
