[发明专利]一种基于模式匹配与移动感知场景的在线适配方法

权利要求书

1.一种基于模式匹配与移动感知场景的在线适配方法，包括以下步骤：

通过比较目标样本与模版库中模版的相似度进行分类识别，获得分类结果；

针对所得到的分类结果，实时监听来自于应用或用户的反馈；

结合反馈结果，依据主动学习理论判断当前目标样本的代表性，该代表性反映目标样本对于分类识别的重要程度；

基于对应的代表性，以设定的策略更新模版库，以实现在线适配。

2.根据权利要求1所述的方法，其特征在于，所述实时监听来自于应用或用户的反馈包括：

针对用户或应用无反馈的情况，将分类结果作为目标样本的标签；

针对用户或应用有反馈的情况，根据反馈结果确定目标样本的标签。

3.根据权利要求1所述的方法，其特征在于，所述结合反馈结果，依据主动学习理论判断当前目标样本的代表性包括：

根据目标样本x^*的反馈标签y^*，生成候选的模版库版本集合H；

依次计算模版库版本集合H中的候选模版库h的加权损失值，表示为：

其中，x表示样本，y表示标签，l(h(x),y)是基于相似度的损失函数，S是原模版库的样本集合，w是权重函数；

利用最小加权损失值对应的模版库来更新模版库版本集合H，其中更新依据主动学习理论的标准样本复杂度，有概率提前剔除不符合条件的模版库；

根据公式：p＝max_{f,g∈H；y∈Y}l(f(x^*),y)-l(g(x^*),y)，计算目标样本x^*代表性，Y是标签集合。

4.根据权利要求3所述的方法，其特征在于，对于所述根据目标样本x^*的反馈标签y^*，生成候选的模版库版本集合H，具备以下特征：

模版库版本集合H中每一个模版库元素h所包含的模版个数相同；

对于每一个模版库版本集合，模版库元素h与原模版库的差异在于，一个标签为y^*的样本被替换为目标样本，使模版库版本集合的大小||等于模版库中标签为y^*的样本的个数。

5.根据权利要求3所述的方法，其特征在于，所述损失函数表示为：

l(h(x),y)＝max(0,E(D_[h(s)＝y](x))-minD_[h(S)≠y](x))

其中，E(·)表示去除最近距离样本外的平均值运算，为输入样本x与满足下标条件的样本之间的余弦距离组成的向量，u和v为任意两个样本，κ是正定核函数，用于衡量样本之间的相似度。

6.根据权利要求3所述的方法，其特征在于，所述权重函数包括模版时间，表示为：

其中，t是样本录入时间，p_t表示模版录入时刻计算得到的代表性，T是当前时刻，是使用过程中设定反馈事件触发的时刻。

7.根据权利要求3所述的方法，其特征在于，所述基于对应的代表性，以设定的策略更新模版库包括：

用目标样本x^*，反馈标签y^*，以及代表性p初始化元素s＝(x^*,y^*,w^*＝1/p)，并更新样本集合S＝S∪{s}；

用更新后的样本集合S，重新计算模版库版本集合H中每一个候选模版库h的损失值，选择损失值最小的模版库进行更新；

进一步更新样本集合S＝S/{x_t}，其中，x_t是不包含在h_t中的、且被目标样本x^*所替换的模版。

8.根据权利要求5所述的方法，其特征在于，所述正定核函数根据应用场景选择，包括线性核函数和径向基核函数。