[发明专利]一种基于相似度的多示例字典学习分类方法及装置

摘要

本发明公开了一种基于相似度的多示例字典学习分类方法，包括：获得训练集；针对从正包集合中选择出的每个正候选示例，重复执行以下步骤，循环迭代，训练分类器，直至满足预设的迭代停止条件：分别计算训练集中每个示例对于正类和负类的相似性权重；将训练集中每个示例经过字典学习，获得每个示例的稀疏编码；学习一个投影字典，将每个示例的稀疏编码重新表示；基于投影重新表示的每个示例及每个示例的相似性权重，训练分类器；基于训练后的分类器，获得目标包所属类别。应用本发明实施例所提供的技术方案，可以对目标包进行类别的准确确定，提高了分类器的分类效果。本发明还公开了一种基于相似度的多示例字典学习分类装置，具有相应技术效果。

主权项

1.一种基于相似度的多示例字典学习分类方法，其特征在于，包括：获得训练集，所述训练集包含正包集合和负包集合，所述正包集合和所述负包集合中的每个示例均由基于相似性的数据模型表示；依次从所述正包集合中选择一个正候选示例，针对选择出的每个正候选示例，重复执行以下步骤，循环迭代，训练基于支持向量机的分类器，直至满足预设的迭代停止条件：分别计算所述训练集中每个示例对于正类和负类的相似性权重，其中，所述正候选示例与正类和负类的相似性权重分别为1和0，所述负包集合中的每个示例与正类和负类的相似性权重分别为0和1；将所述训练集中每个示例经过字典学习，获得每个示例的稀疏编码；学习一个投影字典，将每个示例的稀疏编码重新表示；基于投影重新表示的每个示例及每个示例的相似性权重，训练所述分类器；基于训练后的所述分类器，获得待进行类别确定的目标包所属类别。