[发明专利]一种基于支持向量机和杂草算法结合的目标分类方法

权利要求书

1.一种基于支持向量机和杂草算法结合的目标分类方法，其特征在于，包括：

1)杂草算法优化步骤

1.1)种群初始化，一定数目的杂草以随机方式在D维空间扩散分布；

1.2)生长繁殖，每个杂草种子生长到开花,然后根据其适应性产生种子，父代杂草产生的种子个数与母体的适应度成线性关系；

1.3)空间扩散，以父代为轴线(均值)，子代个体以正态分布方式扩散在D维空间中，迭代过程中，每一代的标准差按如下规律进行变化，

其中：σ_iter为第iter次迭代的标准差值，σ_initial为起始标准差值，σ_final为最终标准差值，iter_max为最大迭代次数，n为非线性调和指数；

1.4)竞争排斥，经过数代的繁殖后，克隆产生的后代数目将超过环境资源的承受能力，通过预先设定的最大种群数目确定最大种群大小，当达到最大种群数目时先按前面规则自由繁殖，扩散完成后，再将父代和子代一起进行排列，按适应值大小进行淘汰，以达到种群上限要求；

1.5)：重复步骤1.2)至步骤1.4)，直至满足设定的最优解条件或者达到最大迭代次数；

2)支持向量机进行二分类步骤

设所求的分类面表达式为：

该分类面若能将训练样本线性分开，则：

对于有限个数的样本，存在ε，s.t.

即：其中

综上所述，线性SVM的数学模型可以描述为：

给定的训练样本集(x₁,y₁)，......，(x_l,y_l)y_i∈{+1,-1}

本质上是求解如下优化问题：

优化目标：

约束条件：y_i(＜w,x_i＞+b)≥1i＝1,2,3,......,l，引进核函数，将内积从＜x⁽ⁱ⁾,x＞，映射到＜φ(x⁽ⁱ⁾),φ(x)＞。