【摘要】 本发明公开了一种具有层次结构的混合线性SVM分类器的模式识别方法，其迭代过程中主要包含以下步骤：首先运用训练数据的近邻几何结构关系和当前H-MLSVMs分类器的分类误差，更新每个样本的训练权重；其次利用带有权重的样本训练出一个带权重的线性SVM分类器，将此分类器嵌入到当前H-MLSVMs中，并更新分类器的分类误差。本发明实现了有效的模式识别分类方法，是一种通用的方法。实验结果表明，相对于其它的经典SVM方法，该分类方法具有和基于核函数的SVM方法几乎一样的推广能力，而不存在着核函数及其参数选择困难、占用很大内存等缺点，特别是具有和线性SVM等阶的分类时间复杂度，使得该分类方法在对新样本进行分类时更加有效，从而能够运用到实时模式识别系统中，具有很好的应用前景。 【专利类型】发明授权 【申请人】温州大学 【申请人类型】学校 【申请人地址】325000 浙江省温州市国家大学科技园孵化器 【申请人地区】中国 【申请人城市】温州市 【申请号】CN201210039903.1 【申请日】2012-02-21 【申请年份】2012 【公开公告号】CN102646198B 【公开公告日】2014-12-17 【公开公告年份】2014 【授权公告号】CN102646198B 【授权公告日】2014-12-17 【授权公告年份】2014.0 【IPC分类号】G06K9/66 【发明人】王迪; 张笑钦; 叶修梓 【主权项内容】一种具有层次结构的混合线性SVM分类器的模式识别方法，其特征在于包括以下步骤：(1)运用训练数据的近邻几何结构关系和当前H-MLSVMs分类器的分类误差，更新每个样本的训练权重；(2)利用带有权重的样本训练出一个带权重的线性SVM分类器，将该分类器嵌入到当前H-MLSVMs中，并更新分类器的分类误差，返回到第一步；其中，H-MLSVMs分类器是通过训练等权重的线性SVM得到，上述迭代过程一直到H-MLSVMs中所有结点处分类器的数目达到一个给定的整数，或者在测试数据集上的正确率增长在足够小的范围之内时，停止；所述步骤(2)具体包括以下子步骤：首先，利用所述的步骤(1)中带有权重的训练样本训练出一个带权重的线性SVM分类器；其次，结合训练中心样本所在结点的父母结点处的分类器，得到一个混合线性SVM分类器；再次，将此混合线性SVM分类器作为训练中心样本所在结点处的分类器；最后，更新分类器的分类误差。 该数据由<>整理 【当前权利人】温州大学 【当前专利权人地址】浙江省温州市国家大学科技园孵化器 【专利权人类型】公立 【统一社会信用代码】12330300792065186A 【引证次数】1.0 【他引次数】1.0 【家族引证次数】1.0 【家族被引证次数】10

未经允许不得转载：http://www.zhongzhencnc.com/1791617462.html