[发明专利]基于给定用户偏好的加权分类器模型中权重的学习方法在审
| 申请号： | 201910389900.2 | 申请日： | 2019-05-10 |
| 公开（公告）号： | CN110119781A | 公开（公告）日： | 2019-08-13 |
| 发明（设计）人： | 朱红;王熙照 | 申请（专利权）人： | 深圳大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/12 |
| 代理公司： | 重庆市信立达专利代理事务所(普通合伙) 50230 | 代理人： | 包晓静 |
| 地址： | 518061 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于机器学习和数据挖掘技术领域，公开了一种基于给定用户偏好的加权分类器模型中权重的学习方法；随机生成若干个权重向量做为一个种群中的个体；对于每一个权重向量根据表达式计算出加权分类器模型对于所有样本类别的预测值，然后根据预测结果和代价矩阵计算出分类错误总代价，即所有被误分类样本的分类错误代价之和；按照某一比例从权重向量集合中选出分类错误总代价较小的权重向量，并对选出的向量进行编码、交叉、变异遗传操作，产生一个新的权重向量集合；对上个步骤中新生成的权重向量重复进行第二步～第三步，直至达到迭代停止的条件；经过解码后得到的权重向量使分类错误总代价达到最小值的最优权重向量。 | ||
| 搜索关键词： | 权重向量 分类器模型 加权 分类 给定用户 偏好 权重 向量 数据挖掘技术 表达式计算 变异遗传 迭代停止 分类样本 机器学习 矩阵计算 随机生成 向量集合 预测结果 解码 优权 样本 种群 集合 学习 预测 重复 | ||
【主权项】：
1.一种基于给定用户偏好的加权分类器模型中权重的学习方法，其特征在于，所述基于给定用户偏好的加权分类器模型中权重的学习方法包括：第一步，随机生成若干个权重向量做为一个种群中的个体；第二步，对于每一个权重向量根据表达式计算出加权分类器模型对于所有样本类别的预测值，然后根据预测结果和代价矩阵计算出分类错误总代价，即所有被误分类样本的分类错误代价之和；第三步，按照某一比例从权重向量集合中选出分类错误总代价较小的权重向量，并对选出的向量进行编码、交叉、变异遗传操作，产生一个新的权重向量集合；第四步，对上个步骤中新生成的权重向量重复进行第二步～第三步，直至达到迭代停止的条件；经过解码后得到的权重向量使分类错误总代价达到最小值的最优权重向量。
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深圳大学，未经深圳大学许可，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/201910389900.2/，转载请声明来源钻瓜专利网。
