[发明专利]一种多分类样本分类器的生成方法、装置及存储介质

摘要

本发明涉及一种多分类样本分类器的生成方法、装置及存储介质，所述方法包括：获取包含d类训练样本集D_train重新标记后的d个二类训练集D_i＝α(1≤α≤d)；从训练集D_i＝1中随机抽取N个样本数据得到初始样本集并利用支持向量机训练，获得初始模型从D_i＝1中随机获取并接收一个原始样本Zt_i＝1后，在D_i＝1中随机抽取一个当前样本Z*_i＝1，利用上一个接受样本信息与初始模型定义当前样本Z*_i＝1的接收概率，依概率接收Z*_i＝1作为当前样本Zt_i＝1，重复N‑1次后得到马氏样本集利用支持向量机训练得到分类模型并替代重复执行上一步k‑1次，输出基于D_i＝1的二分类模型F_i＝1；对2≤α≤d重复执行上三步得到d‑1个二分类模型，并构建最终分类模型F。解决了现有的多分类器生成方法计算时间长等问题。

主权项

1.一种多分类样本分类器的生成方法，其特征在于，包括以下步骤：S1，获取包含d类的训练样本集D_train，将d类训练样本集D_train中的第i类样本重新标记为+1，其他(d‑1)类所有样本重新标记为‑1，获得d个二类样本集D_i＝α其中1≤α≤d,且α∈N⁺；S2，获取从样本集D_i＝1中随机抽取的N个样本得到初始样本集利用支持向量机对所述初始样本集训练，获得初始模型从样本集D_i＝1中随机获取并接收一个当前样本Zt_i＝1；S3，在样本集D_i＝1中随机抽取一个候选样本Z*_i＝1，利用当前样本Zt_i＝1与初始模型定义候选样本Z*_i＝1的接收概率，依概率接收Z*_i＝1并作为当前样本Zt_i＝1，重复N‑1次后得到马氏样本集S4，利用支持向量机训练马氏样本集获得基于D_i＝1的二分类模型并将其替代初始模型S5，重复执行S3至S4步k‑1次，最终输出基于D_i＝1的二分类模型F_i＝1；S6，重复执行步骤S2至S5，依次获取基于D_i＝2至D_i＝d的最终分类模型F_i＝2至F_i＝d；S7，利用F_i＝1、F_i＝2至F_i＝d构建最终分类模型F＝(F_i＝1，F_i＝2，……，F_i＝d)。