[发明专利]一种基于步长控制的在线软间隔核学习算法有效
| 申请号： | 201811037902.7 | 申请日： | 2018-09-06 |
| 公开（公告）号： | CN109272033B | 公开（公告）日： | 2022-03-08 |
| 发明（设计）人： | 宋允全;李月菱;于琪;雷鹤杰;梁锡军;渐令 | 申请（专利权）人： | 中国石油大学（华东） |
| 主分类号： | G06N20/10 | 分类号： | G06N20/10;G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 266580 山*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于步长控制的在线软间隔核学习算法(OSKL)。通过引入核函数构造非线性分类器，引入软间隔参数控制噪声数据的影响，并基于在线梯度下降算法的基本框架设计具有鲁棒性的在线核学习算法。该算法能够降低模型存储空间、有效控制噪声影响、模型更新的计算复杂度仅为O(1)，具有实时性强、易于实现等优势，是处理和分析数据流问题的天然工具。本发明在线学习算法，克服了基于批处理技术的传统分类方法无法高效处理数据流的问题，也克服了现有在线学习算法如Kernel Perceptron和Pegasos等算法无法有效抑制噪声影响的问题。 | ||
| 搜索关键词： | 一种 基于 步长 控制 在线 间隔 学习 算法 | ||
【主权项】：
1.一种基于步长控制的在线软间隔核学习算法(OSKL)，其特征在于含有以下步骤：(一)初始化模型参数、决策函数和模型核函数。(二)以one‑by‑one的形式采集数据流，利用决策函数ft‑1对数据流样本xt的标签进行预测。(三)得到真实标签yt后，计算该样本点的hinge损失![]()
![]()
(四)计算更新步长τt：若lt＝0，则τt＝0；若lt>0，则![]()
(五)更新分类器决策函数ft＝ft‑1+τtytk(xt,·)。
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国石油大学（华东），未经中国石油大学（华东）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/201811037902.7/，转载请声明来源钻瓜专利网。
