[发明专利]使用切比雪夫迭代法加速SVM集群技术

权利要求书

1.一种训练用于对多个数据项进行集群的分类器的系统，其特征在于，包括：

处理器，用于：

对从多个训练样本中选择的训练样本的子集进行归档，以确定用于评估集群分类器的至少一个分离平面参数的迭代优化过程使用的训练层的层数和矢量算子的值；

使用包含训练层层数的多层法来训练所述集群分类器，每层训练层包括多个优化迭代过程，每一优化迭代过程包括：

针对所述至少一个分离平面参数计算多个最优解，其中，通过使用多对拉格朗日乘数中相应的一对，来对所述多个训练样本应用所述迭代优化过程从而计算所述最优解中的每一个；

通过与至少一个最优性条件相比较来评估多个最优解；

在不满足至少一个最优性条件的情况下启动下一优化迭代过程；

输出用于对新样本进行集群的集群分类器。

2.根据权利要求1所述的系统，其特征在于，所述处理器还用于通过所述处理器的多个处理流水线同时计算所述多个最优解，每个处理流水线独立地执行所述迭代优化过程，从而使用相应的一对拉格朗日乘数来计算所述多个最优解中的一个相应最优解。

3.如权利要求1或2中任一项所述的系统，其特征在于，所述集群分类器是监督矢量机SVM集群分类器。

4.一种训练用于对多个数据项进行集群的分类器的系统，其特征在于，所述系统包括权利要求1至3任意一项所述系统的全部特征，并且，所述至少一个分离平面参数定义将至少两个集群分开的至少一个分离平面，每个集群包括所述训练样本的相应部分。

5.一种训练用于对多个数据项进行集群的分类器的系统，其特征在于，所述系统包括权利要求1至4任意一项所述系统的全部特征，并且，所述迭代优化过程评估二次编程问题QPP，所述QPP是用于评估所述至少一个分离平面参数的二次优化问题QOP的等价公式化，其中所述QPP等价公式化通过多个拉格朗日乘数来体现。

6.一种训练用于对多个数据项进行集群的分类器的系统，其特征在于，所述系统包括权利要求1至5任意一项所述系统的全部特征，并且，所述多层法是切比雪夫多层法。

7.一种训练用于对多个数据项进行集群的分类器的系统，其特征在于，所述系统包括权利要求1至6任意一项所述系统的全部特征，并且，迭代优化过程采用顺序最小化优化SMO过程。

8.一种训练用于对多个数据项进行集群的分类器的系统，其特征在于，所述系统包括权利要求1至7任意一项所述系统的全部特征，并且，矢量算子的值包括最小特征值和/或最大特征值。

9.一种训练用于对多个数据项进行集群的分类器的系统，其特征在于，所述系统包括权利要求1至8任意一项所述系统的全部特征，并且，所述训练样本的子集是从所述多个训练样本中随机选择的。

10.一种训练用于对多个数据项进行集群的分类器的系统，其特征在于，所述系统包括权利要求1至9任意一项所述系统的全部特征，并且，所述归档是迭代过程，在该迭代过程中的每次归档迭代期间将替代变量下降最小化过程应用于子集，直到识别出最小特征值和/或最大特征值。

11.一种训练用于对多个数据项进行集群的分类器的系统，其特征在于，所述系统包括权利要求1至10任意一项所述系统的全部特征，并且，所述至少一个最优性条件是Karush-Kuhn-Tucker KKT最优性条件。

12.一种训练用于对多个数据项进行集群的分类器的系统，其特征在于，所述系统包括权利要求1至11任意一项所述系统的全部特征，并且，对于所述多个训练层中的每一个，将改进的优化因子应用于所述迭代优化过程。