[发明专利]一种基于奇异值选择的集成学习器在审
| 申请号： | 201610856560.6 | 申请日： | 2016-09-28 |
| 公开（公告）号： | CN106446951A | 公开（公告）日： | 2017-02-22 |
| 发明（设计）人： | 吴定雄;秦小林;张国华;张力戈;王文彬 | 申请（专利权）人： | 中科院成都信息技术股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 成都九鼎天元知识产权代理有限公司51214 | 代理人： | 邓世燕 |
| 地址： | 610041 四川省成都市高新*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于奇异值选择的集成学习器，包括如下步骤：对训练样本集进行归一化预处理；采用Bootstrap随机抽样方法有放回地抽样，产生M个新的样本集；对M个新的样本集中的每个样本进行部分SVD分解，得到每个样本相应的奇异值和左右奇异向量；每次随机抽取k个奇异值及其相应的左右奇异向量，生成2D SVM基学习器，分别对M个新的样本集进行训练，得到M个2D SVM基分类器；根据相对多数投票准则合并基分类器得到集成学习器，用得到的集成学习器对待分类样本进行分类识别。本发明解决了现有的分类器对矩阵对象数据拉伸为高维向量带来的运算量庞大和维灾难以及数据的结构信息丢失和内在相关性破坏等问题。 | ||
| 搜索关键词： | 一种 基于 奇异 选择 集成 学习 | ||
【主权项】：
一种基于奇异值选择的集成学习器，其特征在于：包括如下步骤：步骤一、对训练样本集进行归一化预处理；步骤二、从归一化预处理后的训练样本集中采用Bootstrap随机抽样方法有放回地抽样，产生M个新的样本集；步骤三、对M个新的样本集中的每个样本进行部分SVD分解，得到每个样本相应的奇异值和左右奇异向量；步骤四、每次随机抽取k个奇异值及其相应的左右奇异向量，生成2D SVM基学习器，分别对M个新的样本集进行训练，得到M个2D SVM基分类器；步骤五、根据相对多数投票准则合并基分类器得到集成学习器，用得到的集成学习器对待分类样本进行分类识别。
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中科院成都信息技术股份有限公司，未经中科院成都信息技术股份有限公司许可，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/201610856560.6/，转载请声明来源钻瓜专利网。
- 上一篇：一种图像处理方法及装置
- 下一篇：一种乐谱图像识别方法及装置
