[发明专利]结合支持向量机以及近邻法的模式分类方法

权利要求书

1、一种结合支持向量机以及近邻法的模式分类方法，其特征在于，包括以下步骤：

A、通过核函数将输入样本空间的训练样本以非线性方式映射到特征空间，通过支持向量机SVM的二次优化训练算法获得支持向量；

B、将获得的所述支持向量设置为代表点，计算待识别样本和代表点的距离差，判断距离差是否大于预置的分类阈值，如果大于，则执行步骤C；否则执行步骤D；

C、以SVM分类算法对所述待识别样本进行模式分类，结束当前处理流程；

D、在全部所述代表点中寻找与所述待识别样本之间距离最近的K个代表点，根据这K个代表点所属的类别以及属于不同类别的代表点个数，确定代表点个数最多的类别，将待识别样本归为所确定的类别，并把确定的类别设置为待识别样本所属的类别。

2、根据权利要求1所述的结合支持向量机以及近邻法的模式分类方法，其特征在于，步骤A中通过SVM的二次优化训练算法获得支持向量具体为：

将所述样本空间中的训练样本x_i，y_i，输入到公式W(α)=Σi=1lαi-12Σi,j=1lαiαjyiyjk(xi·xj)]]>及公式α_i(y_i[(w，x_i)-b]-1)＝0，i＝1，…，l中，其中，W(α)=Σi=1lαi-12Σi,j=1lαiαjyiyjk(xi·xj)]]>在满足约束条件α_i≥0，i＝1，…，l及Σi=1lαiyi=0]]>时成立，输出α_i，i＝1，…，l；α_i对应的所述训练样本为所述支持向量；

相应地，步骤C中以SVM分类算法对待识别样本进行模式分类，具体为：

将α_i输入分类函数输出f(x)，f(x)对应于待识别样本x的类别。