[发明专利]一种利用特权信息进行排序转移的分类方法有效
| 申请号： | 201910570524.7 | 申请日： | 2019-06-27 |
| 公开（公告）号： | CN110472748A | 公开（公告）日： | 2019-11-19 |
| 发明（设计）人： | 刘倩;刘波;肖燕珊;李松松;刘芷菁 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06N20/10 | 分类号： | G06N20/10 |
| 代理公司： | 44329 广东广信君达律师事务所 | 代理人： | 杨晓松<国际申请>=<国际公布>=<进入 |
| 地址： | 510062 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种利用特权信息进行排序转移的分类方法，考虑到正标记样本和未标记样本及其特权信息同时存在的情况，本发明将正样本PS、负样本NS、未标记样本及其相似权结合到排序支持向量机的学习模型中，得到扩展的第一排序支持向量机模型，在只有特权信息的训练集上训练。然后利用特权信息训练出来的分类器去计算普通训练样本(不含特权信息)间的实际距离。最后用实际距离去代替恒定间距1，在普通训练样本集上训练第二排序支持向量机模型。本发明利用特权信息计算的实际样本间距比恒定间距1更为精确，使用实际间距去学习可使分类器更为精确。 | ||
| 搜索关键词： | 特权信息 排序支持向量机 标记样本 恒定 实际距离 分类器 训练样本集 训练样本 负样本 间距比 训练集 正样本 排序 样本 学习 分类 | ||
【主权项】：
1.一种利用特权信息进行排序转移的分类方法，其特征在于，包括以下步骤：/nS1：利用正标记样本和提取的可靠负样本，建立代表性的正原型和代表性的负原型；/nS2：为剩下的未标记样本创建两个相似性权重m+(x)和m-(x)；/nS3：将正样本PS、负样本NS、未标记样本及其相似权结合到排序支持向量机的学习模型中，得到扩展的第一排序支持向量机模型；/nS4：在特权信息x*上训练扩展的第一排序支持向量机模型，得到排序函数f*(x*)＝<w*,x*>；/nS5：采用步骤S4得到的排序函数计算两个样本之间的间距
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广东工业大学，未经广东工业大学许可，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/201910570524.7/，转载请声明来源钻瓜专利网。
