[发明专利]一种基于浮动分类阈值的分类器集成方法

权利要求书

1.一种基于浮动分类阈值的分类器集成方法，所述方法包括如下步骤：

(1)获取训练样本集S；

(2)初始化样本权值并赋初值，

(3)迭代T次，训练得到T个最佳弱分类器；

(4)组合T个最佳弱分类器得到最佳组合分类器，

其特征在于，当针对二分类问题时，所述步骤(3)包括如下步骤：

(3.1)基于有权值的训练样本集S训练弱分类器，t＝1，...，T，通过如下步骤实现：①对应训练样本集S的划分，定义一个区间i＝1，...，m；②定义弱分类器ht(x)，令l＝1，-1，其中x_i代表第i个样本的具体值，y_i代表第i个样本的类别，代表中l类样本权值之和，l代表二分类问题中类别为1和-1的类；③选取弱分类器h_t(x)，使最小，其中Z_t代表样本权值调整后的归一化因子；

(3.2)根据步骤(3.1)的结果调整样本权值

(3.3)判断t是否小于T，若是，则令t＝t+1，并返回步骤(3.1)，若否，则进入步骤(4)。

2.根据权利要求1所述的基于浮动分类阈值的分类器集成方法，其特征在于，

所述组合T个最佳弱分类器得到最佳组合分类器的方法为：H(x)＝sgn(f(x))，其中

3.一种基于浮动分类阈值的分类器集成方法，所述方法包括如下步骤：

(1)获取训练样本集S；

(2)初始化样本权值并赋初值，

(3)迭代T次，训练得到T个最佳弱分类器；

(4)组合T个最佳弱分类器得到最佳组合分类器，

其特征在于，当针对多分类问题时，所述步骤(3)包括如下步骤：

(3.1)基于有权值的训练样本集S训练弱分类器，t＝1，...，T，通过如下步骤实现：①对应训练样本集S的划分，定义一个区间i＝1，...，m；②定义弱分类器h_t(x)，令l＝1，...，K，其中x_i代表第i个样本的具体值，y_i代表第i个样本的类别，代表中l类样本权值之和，l代表多分类问题中的类别；③选取弱分类器h_t(x)，使最小，其中Z_t代表样本权值调整后的归一化因子；

(3.2)根据步骤(3.1)的结果调整样本权值

(3.3)判断t是否小于T，若是，则令t＝t+1，并返回步骤(3.1)，若否，则进入步骤(4)。

4.根据权利要求3所述的基于浮动分类阈值的分类器集成方法，其特征在于，

所述组合T个最佳弱分类器得到最佳组合分类器的方法为：

H(x)=argmaxl{f(x,l)},]]>其中f(x,l)=Σt=1Tht(x,l).]]>