[发明专利]面向数据特点的合成核支持向量机的实现方法

摘要

本发明涉及一种面向数据特点的合成核支持向量机的实现方法，包括以下步骤：数据预处理；特征提取、选择与分组：完成数据从数据空间到特征空间的转换，所选择特征反映分类识别目标的特性；训练样本、验证样本以及待分类样本的选择；分类器的选择与实现：选择面向数据特点的合成核支持向量机分类器，计算得到合成核参数；分类器的训练：利用训练样本，开展对DOCKSVM分类器的学习训练；分类器性能验证：通过对验证样本分类检验其性能，获得验证满意的DOCKSVM分类器；待分样本的分类；分类结果输出。本发明方法考虑应用领域数据的特点，更加客观地将应用领域的数据生化特点融入到最终训练获得的支持向量机中，进而提高具体分类与识别问题的结果精度，应用广泛。

主权项

一种面向数据特点的合成核支持向量机的实现方法，其特征在于包括以下步骤：(1)数据预处理：根据不同应用领域的不同预处理要求，对数据进行预处理；(2)特征提取、选择与分组：根据需要分类识别的类别，对预处理后的数据进行选择，提取特征矢量并分组，完成数据从数据空间到特征空间的转换，所选择特征反映分类识别目标的特性；(3)训练样本、验证样本以及待分类样本的选择：对训练样本、验证样本及待分类样本进行选择，其中，训练样本用于分类器的学习训练，验证样本用于对训练得到的分类器进行性能验证，待分类样本为实际需要分类的样本数据；(4)分类器的选择与实现：选择面向数据特点的合成核支持向量机分类器，即DOCKSVM，确定合成核的结构，修改其中各个核函数以及确定相应核权系数，最后计算得到合成核参数；(5)分类器的训练：利用训练样本，开展对DOCKSVM分类器的学习训练，获得训练后的DOCKSVM分类器；(6)分类器性能验证：利用验证样本，开展对训练后的DOCKSVM分类器进行验证，通过对验证样本分类检验其性能，判断其性能是否满足用户要求，如满足，则获得验证满意的DOCKSVM分类器；(7)待分样本的分类：利用满意的分类器，对所有待分类样本进行分类；(8)分类结果输出：输出保存分类结果。