一种基于势函数聚类的优化下采样SVM分类方法及存储介质

发明专利有效专利

申请号：
CN201910344865.2
IPC分类号：G06K9/62
申请日期：
2019-04-26
申请人：
莆田学院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于势函数聚类的优化下采样SVM分类方法及存储介质
申请号	CN201910344865.2	申请日期	2019-04-26
法律状态	实质审查	申报国家	中国
公开/公告日	2019-07-26	公开/公告号	CN110059764A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2查看分类表>
申请人	莆田学院	申请人地址	福建省莆田市城厢区学园中街1133号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	莆田学院	当前权利人	莆田学院
发明人	闻辉;黄金火;严涛;陈德礼;林元模;李同彬;车艳;徐航
代理机构	福州市景弘专利代理事务所（普通合伙）	代理人	黄以琳;林祥翔

摘要

本发明涉及一种基于势函数聚类的优化下采样SVM分类方法及存储介质，所述方法包括以下步骤：通过势函数密度聚类从原始训练样本集中筛选出新的样本集合；根据新的样本集合训练得到SVM分类曲面。通过势函数密度聚类从原始训练样本集中筛选出新的样本集合，对原始训练样本控制的不同子区域进行覆盖，已抽选出具有代表性的样本集合来构造SVM的下采样训练集，可以有效逼近原始样本控制结构分布，因此确保了所得SVM决策曲面的分类性能。克服了随机采样SVM方法中样本采样不足导致的样本空间结构失真问题，可以以相对少数量的训练样本来逼近原始样本空间结构分布；克服了聚类SVM方法中的聚类个数需要手动调整和聚类子空间覆盖范围尺度不一致的问题。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供