构建装置和方法、分类装置和方法以及电子设备制造方法及图纸

本发明专利技术提供了构建装置和方法、分类装置和方法以及电子设备，以克服传统的分类技术由于没有利用样本的多种特征之间的联系而导致最终的分类性能较差的问题。上述构建装置包括：提取训练样本的多种特征的第一提取单元；以及基于提取的多种特征来训练分类器的构建单元。构建单元在训练时考虑如下第一约束：在与多种特征中的一种特征有关的分类器对训练样本的分类结果的可信度高于第一预定程度的情况下，若与多种特征中的其他一种或其他多种特征有关的分类器对训练样本的分类结果的可信度低于对应的第二预定程度，则增加对与上述其他一种或其他多种特征有关的分类器对训练样本的分类结果的惩罚。本发明专利技术的上述技术能够应用于信息处理领域。

【技术实现步骤摘要】
构建装置和方法、分类装置和方法以及电子设备
本专利技术涉及信息处理领域，尤其涉及构建装置和方法、分类装置和方法以及电子设备。
技术介绍
随着信息技术的发展，信息处理逐渐成为人们工作、生活中一个热门的研究领域。在信息处理技术中，需要处理的样本往往可以采用多种特征进行描述。例如，网络上的图像可以使用颜色/纹理特征来描述，也可以使用文本标注进行描述；视频片段可以使用视觉、听觉以及字幕信息进行描述；植物可以使用花瓣和叶片的特征进行描述。在传统的分类技术（诸如模式识别）等处理中，可以分别基于样本的各种特征构建多个基本分类器，然后对多个基本分类器的输出往往采用一种线性组合的方式来得到最终的分类结果。在以上处理过程中，传统的分类技术没有考虑各种特征之间的联系而得到最终的分类结果，也就是说，当基于某一种特征构建分类器的时候，没有利用基于其它特征构建的分类器提供的任何信息。因此，传统的分类技术由于在构建分类器（或者利用构建的分类器进行分类）的过程中没有利用样本的多种特征之间的联系而导致最终的分类性能较差。
技术实现思路
在下文中给出了关于本专利技术的简要概述，以便提供关于本专利技术的某些方面的基本理解。应当理解，这个概述并不是关于本专利技术的穷举性概述。它并不是意图确定本专利技术的关键或重要部分，也不是意图限定本专利技术的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。鉴于此，本专利技术提供了构建装置和方法、分类装置和方法以及电子设备，以至少解决传统的分类技术由于没有利用样本的多种特征之间的联系而导致最终的分类性能较差的问题。根据本专利技术的一个方面，提供了一种用于构建分类器的构建装置，该构建装置包括：第一提取单元，其被配置用于提取多个训练样本中的每一个的多种特征；以及构建单元，其被配置用于基于多个训练样本的每一个的多种特征，对与多种特征中的每一种分别对应的分类器进行训练，以构建包括与多种特征对应的多个分类器的目标分类器；其中，构建单元在训练的过程中考虑了如下的第一约束：对于多个训练样本中的每一个，在与多种特征中的一种特征有关的分类器对该训练样本的分类结果的可信度高于第一预定程度的情况下，若与多种特征中的其他一种或其他多种特征有关的分类器对该训练样本的分类结果的可信度低于对应的第二预定程度，则增加对与多种特征中的其他一种或其他多种特征有关的分类器对该训练样本的分类结果的惩罚。根据本专利技术的另一个方面，还提供了一种分类装置，该分类装置包括：第二提取单元，其被配置用于提取待测样本的多种特征；以及分类单元，其被配置用于基于待测样本的多种特征，获得与多种特征有关的多个预定分类器分别对待测样本的分类结果，以确定待测样本的最终分类结果；其中，多个预定分类器通过如上所述的构建装置而获得。根据本专利技术的另一个方面，还提供了一种用于构建分类器的构建方法，该构建方法包括：提取多个训练样本中的每一个的多种特征；以及基于多个训练样本的每一个的多种特征，对与多种特征中的每一种分别对应的分类器进行训练，以构建包括与多种特征对应的多个分类器的目标分类器；其中，在训练的过程中考虑了如下的第一约束：对于多个训练样本中的每一个，在与多种特征中的一种特征有关的分类器对该训练样本的分类结果的可信度高于第一预定程度的情况下，若与多种特征中的其他一种或其他多种特征有关的分类器对该训练样本的分类结果的可信度低于对应的第二预定程度，则增加对与多种特征中的其他一种或其他多种特征有关的分类器对该训练样本的分类结果的惩罚。根据本专利技术的另一个方面，还提供了一种分类方法，该分类方法包括：提取待测样本的多种特征；以及基于待测样本的多种特征，获得与多种特征有关的多个预定分类器分别对待测样本的分类结果，以确定待测样本的最终分类结果；其中，多个预定分类器通过如上所述的构建方法而获得。根据本专利技术的另一个方面，还提供了一种电子设备，该电子设备包括如上所述的构建装置或如上所述的分类装置。根据本专利技术的又一个方面，还提供了一种存储有机器可读取的指令代码的程序产品，上述程序产品在执行时能够使上述机器执行如上所述的构建方法或如上所述的分类方法。此外，根据本专利技术的其他方面，还提供了一种计算机可读存储介质，其上存储有如上所述的程序产品。上述根据本专利技术实施例的构建装置和方法、分类装置和方法以及电子设备，其在构建分类器的过程中或者在利用上述分类器进行分类的过程中，由于考虑了样本的多种特征之间的关系，能够有效地克服传统方法的不足，使得利用该构建装置所构建的分类器进行分类的结果较为准确、精度较高，分类性能较好。通过以下结合附图对本专利技术的最佳实施例的详细说明，本专利技术的这些以及其他优点将更加明显。附图说明本专利技术可以通过参考下文中结合附图所给出的描述而得到更好的理解，其中在所有附图中使用了相同或相似的附图标记来表示相同或者相似的部件。所述附图连同下面的详细说明一起包含在本说明书中并且形成本说明书的一部分，而且用来进一步举例说明本专利技术的优选实施例和解释本专利技术的原理和优点。在附图中：图1是示意性地示出根据本专利技术的实施例的用于构建分类器的构建装置的一种示例结构的框图；图2是示出传统的标准SVM分类器的原理的示意图；图3是示意性地示出根据本专利技术的实施例的分类装置的一种示例结构的框图；图4是示意性地示出根据本专利技术的实施例的用于构建分类器的构建方法的一种示例性处理的流程图；图5是示意性地示出根据本专利技术的实施例的分类方法的一种示例性处理的流程图；以及图6是示出了可用来实现根据本专利技术的实施例的用于构建分类器的构建装置和构建方法、或者根据本专利技术的实施例的分类装置和分类方法的一种可能的信息处理设备的硬件配置的结构简图。本领域技术人员应当理解，附图中的元件仅仅是为了简单和清楚起见而示出的，而且不一定是按比例绘制的。例如，附图中某些元件的尺寸可能相对于其他元件放大了，以便有助于提高对本专利技术实施例的理解。具体实施方式在下文中将结合附图对本专利技术的示范性实施例进行描述。为了清楚和简明起见，在说明书中并未描述实际实施方式的所有特征。然而，应该了解，在开发任何这种实际实施例的过程中必须做出很多特定于实施方式的决定，以便实现开发人员的具体目标，例如，符合与系统及业务相关的那些限制条件，并且这些限制条件可能会随着实施方式的不同而有所改变。此外，还应该了解，虽然开发工作有可能是非常复杂和费时的，但对得益于本公开内容的本领域技术人员来说，这种开发工作仅仅是例行的任务。在此，还需要说明的一点是，为了避免因不必要的细节而模糊了本专利技术，在附图中仅仅示出了与根据本专利技术的方案密切相关的装置结构和/或处理步骤，而省略了与本专利技术关系不大的其他细节。本专利技术的实施例提供了一种用于构建分类器的构建装置，该构建装置包括：第一提取单元，其被配置用于提取多个训练样本中的每一个的多种特征；以及构建单元，其被配置用于基于多个训练样本的每一个的多种特征，对与多种特征中的每一种分别对应的分类器进行训练，以构建包括与多种特征对应的多个分类器的目标分类器；其中，构建单元在训练的过程中考虑了如下的第一约束：对于多个训练样本中的每一个，在与多种特征中的一种特征有关的分类器对该训练样本的分类结果的可信度高于第一预定程度的情况下，若与多种特征中的其他一种或其他多种特征有关的分类器对该训练样本的分本文档来自技高网...

【技术保护点】
一种用于构建分类器的构建装置，包括：第一提取单元，其被配置用于提取多个训练样本中的每一个的多种特征；以及构建单元，其被配置用于基于所述多个训练样本的每一个的多种特征，对与所述多种特征中的每一种分别对应的分类器进行训练，以构建包括与所述多种特征对应的多个分类器的目标分类器；其中，所述构建单元在所述训练的过程中考虑了如下的第一约束：对于所述多个训练样本中的每一个，在与所述多种特征中的一种特征有关的分类器对该训练样本的分类结果的可信度高于第一预定程度的情况下，若与所述多种特征中的其他一种或其他多种特征有关的分类器对该训练样本的分类结果的可信度低于对应的第二预定程度，则增加对与所述多种特征中的所述其他一种或其他多种特征有关的分类器对该训练样本的分类结果的惩罚。

【技术特征摘要】
1.一种用于构建分类器的构建装置，包括：第一提取单元，其被配置用于提取多个训练样本中的每一个的多种特征；以及构建单元，其被配置用于基于所述多个训练样本的每一个的多种特征，对与所述多种特征中的每一种分别对应的分类器进行训练，以构建包括与所述多种特征对应的多个分类器的目标分类器；其中，所述构建单元在所述训练的过程中考虑了如下的第一约束：对于所述多个训练样本中的每一个，在与所述多种特征中的一种特征有关的分类器对该训练样本的分类结果的可信度高于第一预定程度的情况下，若与所述多种特征中的其他一种或其他多种特征有关的分类器对该训练样本的分类结果的可信度低于对应的第二预定程度，则增加对与所述多种特征中的所述其他一种或其他多种特征有关的分类器对该训练样本的分类结果的惩罚。2.根据权利要求1所述的构建装置，其中，所述构建单元在所述训练的过程中所考虑的所述第一约束还包括：对于所述多个训练样本中的每一个，在增加对与所述多种特征中的所述其他一种或其他多种特征有关的分类器对该训练样本的分类结果的惩罚的过程中，当与所述多种特征中的一种特征有关的分类器对该训练样本的分类结果的可信度越高时，对与所述多种特征中的所述其他一种或其他多种特征有关的分类器对该训练样本的分类结果的惩罚越严厉。3.根据权利要求1所述的构建装置，其中，所述多个分类器中的每个均为支持向量机分类器。4.根据权利要求3所述的构建装置，其中，所述构建单元在所述训练中考虑所述第一约束的过程中，针对所述多种特征中的每种特征，用所述多个训练样本中的每个训练样本到表示与该种特征有关的分类器的超平面的函数间隔来反映与该种特征有关的分类器对所述每个训练样本的分类结果的可信度，其中，值越高的函数间隔对应的可信度越高。5.根据权利要求3或4所述的构建装置，其中，所述构建单元在所述训练中考虑所述第一约束的过程中，对于所述多个训练样本中的每一个，在与所述多种特征中的一种特征有关的分类器对该训练样本的分类结果的可信度高于第一预定程度的情况下，若与所述多种特征中的其他一种或其他多种特征有关的分类器对该训练样本的分类结果的可信度低于对应的第二预定程度，则增大与所述多种特征中的所述其他一种或其他多种特征有关的分类器对应于该训...

【专利技术属性】
技术研发人员：李斐，刘汝杰，石原正树，马场孝之，上原祐介，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：日本;JP