[发明专利]SVM分类器训练样本获取方法、训练方法及其系统

说明书

技术领域

本发明涉及SVM分类器的技术领域，特别是涉及一种SVM分类器训练样本获取方法及其系统，以及一种SVM分类器训练方法及其系统。

背景技术

SVM(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。

SVM是建立在统计学习理论的VC维（vapnik-chervonenkis dimension）理论和结构风险最小原理基础上的，根据有限的样本信息在模型的复杂性（即对特定训练样本的学习精度）和学习能力（即无错误地识别任意样本的能力）之间寻求最佳折衷，以期获得最好的推广能力（或称泛化能力）。

在处理两类分类问题中，SVM是一种常用的方法，因为其易用性，SVM已经被应用到很多实际工程中，例如：物体检测、人脸识别等。在使用SVM处理两类分类问题时，首先要对SVM进行训练。

同时，在实际的工业化应用中，SVM面临很多问题，有很多需要优化的地方，其中样本的选择和分类器的自动训练问题是最主要的问题。

目前对于SVM分类器的使用，普遍的训练方法，第一种是预先人工好一定数量的训练正样本和训练负样本。然而该方法过分依赖人工，无法自动化操作。对于工业化需要有很多SVM分类器的场合，该方法需要花费巨大的人力成本，甚至无法完成。

第二种方法是当样本数量达到一定程度的时候，使用全部的样本自动重新训练SVM分类器。

然而，该方法训练出来的SVM分类器占用空间大。因为训练正负样本的数量越来越大，样本空间的复杂性也增加很大，训练出来的SVM分类器需要数量庞大的支持向量，导致分类器所占用的空间增加明显，并且每次识别需要的时间也明显增加。并且，使用上述方法训练的SVM分类器，容易受到噪声样本的影像。在工业化应用场合，样本中经常会出现噪声样本，这些噪声样本对于分类器的效果影响很大。例如，一个人物的人脸数据中，训练正样本中存在其他人物的人脸，会导致训练出来的人脸分类器效果下降，容易引起其他人物的误检。如果使用全部的样本作为训练样本训练分类器，必然会受到噪声样本的影响。

发明内容

针对上述背景技术中存在的分类器的样本空间的复杂性较大，容易受到噪声样本的影响的问题，本发明的目的在于提供一种SVM分类器训练样本获取方法及其系统，能够降低分类器样本空间的复杂性，并且减少噪声样本对分类器训练的影响。

一种SVM分类器训练样本获取方法，包括以下步骤：

计算获取SVM分类器的各个样本相互之间的距离；

将各个所述样本的距离与第一距离阈值比较，对所述样本进行第一次聚类，获取至少一个第一分类，以及各个所述第一分类包含的样本；

将各个所述样本的距离与第二距离阈值比较，对所述样本进行第二次聚类，获取至少一个第二分类，以及各个所述第二分类包含的样本；其中，所述第二距离阈值大于所述第一距离阈值；

当一个所述第二分类只包含一个样本，则将该样本划分为孤立样本；

分别在各个所述第一分类中选取一个样本作为代表样本，根据所述代表样本和所述孤立样本设置所述SVM分类器的训练样本。

一种SVM分类器训练样本获取系统，包括：

距离计算模块，用于计算获取SVM分类器的各个样本相互之间的距离；

第一聚类模块，用于将各个所述样本的距离与第一距离阈值比较，对所述样本进行第一次聚类，获取至少一个第一分类，以及各个所述第一分类包含的样本；

第二聚类模块，用于将各个所述样本的距离与第二距离阈值比较，对所述样本进行第二次聚类，获取至少一个第二分类，以及各个所述第二分类包含的样本；其中，所述第二距离阈值大于所述第一距离阈值；

孤立样本模块，用于当一个所述第二分类只包含一个样本，则将该样本划分为孤立样本；

训练样本设置模块，用于分别在各个所述第一分类中选取一个样本作为代表样本，根据所述代表样本和所述孤立样本设置所述SVM分类器的训练样本。