结合支持向量机以及近邻法的模式分类方法

摘要

本发明公开了一种结合支持向量机以及近邻法的模式分类方法，包括以下步骤：通过核函数将输入样本空间的训练样本以非线性方式映射到特征空间，通过支持向量机SVM的二次优化训练算法获得支持向量；将获得的支持向量设置为代表点，计算待识别样本和代表点的距离差，判断距离差是否大于预置的分类阈值，如果大于，则直接用SVM分类算法对待识别样本进行模式分类；否则在全部所述代表点中寻找与所述待识别样本之间距离最近的K个代表点对待识别样本进行模式分类。采用本发明的方法不仅提高了模式分类的精确度，而且在降低了设计和计算复杂度的同时，节约了计算机实现模式分类的成本。

主权项

1、一种结合支持向量机以及近邻法的模式分类方法，其特征在于，包括以下步骤：A、通过核函数将输入样本空间的训练样本以非线性方式映射到特征空间，通过支持向量机SVM的二次优化训练算法获得支持向量；B、将获得的所述支持向量设置为代表点，计算待识别样本和代表点的距离差，判断距离差是否大于预置的分类阈值，如果大于，则执行步骤C；否则执行步骤D；C、以SVM分类算法对所述待识别样本进行模式分类，结束当前处理流程；D、在全部所述代表点中寻找与所述待识别样本之间距离最近的K个代表点，根据这K个代表点所属的类别以及属于不同类别的代表点个数，确定代表点个数最多的类别，将待识别样本归为所确定的类别，并把确定的类别设置为待识别样本所属的类别。