[发明专利]一种基于特征迁移的集成分类方法及系统在审
| 申请号： | 201810731253.4 | 申请日： | 2018-07-05 |
| 公开（公告）号： | CN109145943A | 公开（公告）日： | 2019-01-04 |
| 发明（设计）人： | 杨永全 | 申请（专利权）人： | 四川斐讯信息技术有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 成都金德联合知识产权代理事务所(特殊普通合伙) 51271 | 代理人： | 张婵婵;王晓普 |
| 地址： | 610100 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基分类器 迁移 训练模型 集成分类 基础模型 海量数据运算 分类准确率 准确度 空间开销 构建 运算 上层 分类 | ||
1.一种基于特征迁移的集成分类方法，其特征在于，包括步骤：
选取基础模型并利用所述基础模型的迁移特征对预训练模型进行特征迁移的提取；
基于所述提取的迁移特征对所述预训练模型的分类任务进行训练，同时根据所述预训练模型的不同构建新的特征上层的基分类器，获得多个基分类器；
对所述多个基分类器进行集成；
提取所述预训练模型的特征，并利用所述集成的基分类器对所述特征进行集成分类。
2.如权利要求1所述的一种基于特征迁移的集成分类方法，其特征在于，所述对预训练模型进行特征迁移的提取具体为：
利用预设定领域中已训练完成的模型作为特征迁移的基础模型。
3.如权利要求1所述的一种基于特征迁移的集成分类方法，其特征在于，还包括步骤：
在训练过程中对新构造的基分类器进行调整。
4.如权利要求1所述的一种基于特征迁移的集成分类方法，其特征在于，通过平均加权的方式对所述多个基分类器进行集成，具体为：
其中，N表示基分类器的数量，Vlensemble(维度为l)表示分类器的输出向量，上标表示分类器的标志，下标表示向量中元素的位置；通过对V中的每一维度Vl均采用式Vlensemble进行集成，得到一个与基分类器输出一样维度的向量Vensemble。
5.如权利要求1所述的一种基于特征迁移的集成分类方法，其特征在于，还包括步骤：
选择不同数量的所述多个基分类器进行集成；
根据所述不同数量的基分类器的集成分类结果确定所述预训练模型需要的基分类器集成数量。
6.一种基于特征迁移的集成分类系统，其特征在于，包括：
特征提取模块，用于选取基础模型并利用所述基础模型的迁移特征对预训练模型进行特征迁移的提取；
基分类器训练模块，用于基于所述提取的迁移特征对所述预训练模型的分类任务进行训练，同时根据所述预训练模型的不同构建新的特征上层的基分类器，获得多个基分类器；
基分类器集成模块，用于对所述多个基分类器进行集成；
集成分类模块，用于提取所述预训练模型的特征，并利用所述集成的基分类器对所述特征进行集成分类。
7.如权利要求6所述的一种基于特征迁移的集成分类系统，其特征在于，所述特征提取模块包括：
选取单元，用于选取预设定领域中已训练完成的模型作为特征迁移的基础模型。
8.如权利要求6所述的一种基于特征迁移的集成分类系统，其特征在于，还包括：
调整模块，用于在训练过程中对新构造的基分类器进行调整。
9.如权利要求6所述的一种基于特征迁移的集成分类系统，其特征在于，通过平均加权的方式对所述多个基分类器进行集成，具体为：
其中，N表示基分类器的数量，Vlensemble(维度为l)表示分类器的输出向量，上标表示分类器的标志，下标表示向量中元素的位置；通过对V中的每一维度Vl均采用式Vlensemble进行集成，得到一个与基分类器输出一样维度的向量Vensemble。
10.如权利要求6所述的一种基于特征迁移的集成分类系统，其特征在于，还包括：
选择模块，用于选择不同数量的所述多个基分类器进行集成；
确定模块，用于根据所述不同数量的基分类器的集成分类结果确定所述预训练模型需要的基分类器集成数量。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于四川斐讯信息技术有限公司，未经四川斐讯信息技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810731253.4/1.html，转载请声明来源钻瓜专利网。
