| 发明名称 | 面向复杂数据的混合范数多不定核分类方法 | ||
| 摘要 | 本发明公开了一种面向复杂数据的混合范数多不定核分类方法，包括以下步骤：(1)获取用于训练分类器的复杂数据；(2)预处理：通过多个核函数将复杂数据转换成训练分类器所需要的核矩阵；(3)模型设计：通过约束多类核间隔和采用多类Hinge‑loss损失函数来设计分类器模型；(4)模型构建：在多类核间隔和多类Hinge‑loss损失函数的基础上，利用不定核技术构造一个更有效的核组合；通过引入类间差异性来提高模型的灵活性；利用混合范数l<sub>g,2</sub>‑范数(0＜g≤1)的稀疏性来降低模型的复杂度；(5)将新的复杂数据输入训练得到的分类器中，得到最终的分类结果。本发明提升了分类器在面对复杂数据时的分类能力和效率。 | ||
| 申请公布号 | CN106022382A | 申请公布日期 | 2016.10.12 |
| 申请号 | CN201610356544.0 | 申请日期 | 2016.05.26 |
| 申请人 | 东南大学 | 发明人 | 薛晖 |
| 分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
| 代理机构 | 南京瑞弘专利商标事务所(普通合伙) 32249 | 代理人 | 陈国强 |
| 主权项 | 一种面向复杂数据的混合范数多不定核分类方法，其特征在于：包括以下步骤：(1)获取用于训练分类器的复杂数据；(2)预处理：通过多个核函数将复杂数据转化成训练分类器所需的核矩阵；(3)模型设计：通过约束多类核间隔和采用多类Hinge‑loss损失函数来设计分类器模型；(4)模型构建：在多类核间隔和多类Hinge‑loss损失函数的基础上，利用不定核技术构造一个更有效的核组合，提升分类器在面对复杂数据时的泛化能力以获得更优的经验分类结果；通过引入类间差异性来提高模型的灵活性；利用混合范数l<sub>g,2</sub>‑范数(0＜g≤1)的稀疏性来降低模型的复杂度；(5)将新的复杂数据输入训练得到的分类器中，得到最终的分类结果。 | ||
| 地址 | 211189 江苏省南京市江宁区东南大学路2号 | ||