[发明专利]一种基于离散度平衡的度量学习方法在审
| 申请号： | 201710006218.1 | 申请日： | 2017-01-05 |
| 公开（公告）号： | CN108280457A | 公开（公告）日： | 2018-07-13 |
| 发明（设计）人： | 钱冬云;金慧峰;叶聪相;陈贤敏 | 申请（专利权）人： | 浙江工贸职业技术学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京神州华茂知识产权有限公司 11358 | 代理人： | 吴照幸 |
| 地址： | 325000 浙江省温州市*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于离散度平衡的度量学习方法，包括：(1)利用采集到的不平衡样本数据，根据样本数据与标签信息，求出不同类重心间的距离，定义归一化离散度；(2)将归一化离散度与几何均值结合，最大化几何均值，并使用log函数平衡各类间离散度；(3)根据样本类别标签属性，利用最大边界理论，构建最大化问题；(4)构建度量学习算法模型，增加约束条件，得到度量学习优化模型；(5)利用梯度下降与迭代映射方法求解优化模型，获得距离度量矩阵；(6)提取不平衡数据集中待分类的样本特征，并使用距离度量矩阵进行分类实验验证。本发明利用几何均值和最大边界理论，较好的度量了不平衡数据集中样本间的距离。 | ||
| 搜索关键词： | 离散度 度量 矩阵 距离度量 数据集中 样本数据 优化模型 最大边界 归一化 最大化 构建 平衡 标签属性 标签信息 实验验证 学习算法 样本类别 样本特征 约束条件 分类 求解 映射 迭代 学习 样本 采集 重心 | ||
【主权项】：
1.一种基于离散度平衡的度量学习方法，其特征在于，包括以下步骤：(1)利用采集到的不平衡样本数据，根据样本数据与标签信息，求出不同类重心间的距离，进一步定义归一化离散度；(2)将归一化离散度与几何均值结合，最大化几何均值，并使用log函数进一步平衡各类间离散度；(3)根据样本类别标签属性，利用最大边界理论，构建最大化问题；(4)构建度量学习算法模型，增加约束条件，使得所求距离度量有效可行，得到度量学习优化模型；(5)根据度量学习优化模型，利用梯度下降与迭代映射方法求解优化模型，获得距离度量矩阵；(6)提取不平衡数据集中待分类的样本特征，并使用步骤(5)获得的距离度量矩阵进行分类实验验证。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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浙江工贸职业技术学院，未经浙江工贸职业技术学院许可，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/patent/201710006218.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种用于锅炉内壁相贯线焊缝的识别方法
- 下一篇：群体关系类型识别方法及装置
