[发明专利]数据处理的方法及装置有效
| 申请号： | 201610715951.6 | 申请日： | 2016-08-24 |
| 公开（公告）号： | CN106446011B | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 孙浩 | 申请（专利权）人： | 东软集团股份有限公司 |
| 主分类号： | G06F16/31 | 分类号： | G06F16/31;G06F16/35;G06K9/62 |
| 代理公司： | 11348 北京鼎佳达知识产权代理事务所(普通合伙) | 代理人： | 刘喆;刘铁生<国际申请>=<国际公布>= |
| 地址： | 110179 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种数据处理的方法及装置，涉及计算机应用技术领域，解决了现有使用维度过高的训练样本训练SVM模型的效率低的问题。本发明的方法包括：获取每个训练样本对应的原始样本矩阵，所述训练样本用于对支持向量机SVM模型进行训练，以获得对待预测数据进行分类的SVM模型，其中，所述训练样本包含至少两种不同类别的训练样本；根据主成分分析PCA算法对所述原始样本矩阵进行降维处理，获得降维后的训练样本。本发明应用于对SVM模型训练的过程中。 | ||
| 搜索关键词： | 数据处理 方法 装置 | ||
【主权项】：
1.一种数据处理的方法，其特征在于，所述方法包括：获取每个训练样本对应的原始样本矩阵，所述训练样本用于对支持向量机SVM模型进行训练获得对待预测数据进行分类的SVM模型，其中，所述训练样本包含至少两种不同类别的训练样本；/n根据主成分分析PCA算法对所述原始样本矩阵进行降维处理，获得降维后的训练样本；所述根据主成分分析PCA算法对所述原始样本矩阵进行降维处理，获得降维后的训练样本，包括：根据所述原始样本矩阵生成特征矩阵；计算所述特征矩阵的转置矩阵；将所述特征矩阵的转置矩阵与所述原始样本矩阵相乘，获得降维后的训练样本；/n在使用所述降维后的训练样本对所述SVM模型进行训练后，将所述特征矩阵与训练后获得的训练结果向量相乘，获得优化后的训练结果向量；/n根据优化后的训练结果向量确定分类匹配集，所述分类匹配集为预设数据库的真子集，所述预设数据库包括训练样本可能涉及的所有元素的元素集合；/n根据所述分类匹配集对所述待预测数据进行分类；/n其中，所述SVM模型用于识别未知邮件是否为垃圾邮件和/或正常邮件；所述训练样本包含训练使用的已知正常邮件及已知垃圾邮件。/n
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东软集团股份有限公司，未经东软集团股份有限公司许可，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/201610715951.6/，转载请声明来源钻瓜专利网。
