[发明专利]一种多分类样本分类器的生成方法、装置及存储介质

权利要求书

1.一种多分类样本分类器的生成方法，其特征在于，包括以下步骤：

S1，获取包含d类的训练样本集D_train，将d类训练样本集D_train中的第i类样本重新标记为+1，其他(d-1)类所有样本重新标记为-1，获得d个二类样本集D_i＝α其中1≤α≤d,且α∈N⁺；

S2，获取从样本集D_i＝1中随机抽取的N个样本得到初始样本集利用支持向量机对所述初始样本集训练，获得初始模型从样本集D_i＝1中随机获取并接收一个当前样本Zt_i＝1；

S3，在样本集D_i＝1中随机抽取一个候选样本Z*_i＝1，利用当前样本Zt_i＝1与初始模型定义候选样本Z*_i＝1的接收概率，依概率接收Z*_i＝1并作为当前样本Zt_i＝1，重复N-1次后得到马氏样本集

S4，利用支持向量机训练马氏样本集获得基于D_i＝1的二分类模型并将其替代初始模型

S5，重复执行S3至S4步k-1次，最终输出基于D_i＝1的二分类模型F_i＝1；

S6，重复执行步骤S2至S5，依次获取基于D_i＝2至D_i＝d的最终分类模型F_i＝2至F_i＝d；

S7，利用F_i＝1、F_i＝2至F_i＝d构建最终分类模型F＝(F_i＝1，F_i＝2，……，F_i＝d)。

2.根据权利要求1的多分类样本分类器的生成方法，其特征在于，所述多分类样本分类器的生成方法中所述S2步骤之前还包括如下步骤：

S201，获取训练集D_train的样本容量n；

S202，根据预设公式n＝(k+1)N，获取每一次马氏抽样数目N，其中k为预设常数，代表马尔可夫抽样训练次数，且k∈N⁺。

3.根据权利要求2的多分类样本分类器的生成方法，其特征在于，S3具体包括如下步骤：

S31，从训练集D_i＝1中随机地抽取一个样本Zt_i＝1并接收作为当前样本；

S32，在样本集D_i＝1中随机抽取一个候选样本Z*_i＝1，并根据当前样本Zt_i＝1与初始模型定义候选样本Z*_i＝1接收概率β_i＝1，其中，式中l()是支持向量机模型的损失函数；

S33，根据接收概率按照预设条件决定是否接收样本Z*_i＝1并存入马氏样本集中，所述预设条件为：

若β_i＝1＜1，则接收概率为并依接收概率将样本Z*_i＝1存入马氏样本集中；

若β_i＝1＝1，或β_i＝1＜1，则接收概率为P₂＝β_i＝1，并依接收概率将样本Z*_i＝1存入马氏样本集中；

若β_i＝1＞1，则拒绝接收候补样本，并返回执行所述根据接收概率按照预设条件决定是否接收样本Z*_i＝1并存入马氏样本集中的步骤；

若连续a个样本Z*_i＝1被拒绝，则接收概率为P₃＝min{1，aβ_i＝1}；若连续n1个样本Z*_i＝1被拒绝，则将第n1个被拒绝的样本Z*_i＝1存入马氏样本集中；

其中，为样本Zt_i＝1的标签，为样本Z*_i＝1的标签；a与n1为预设常数。