采用多个二进制支持向量机计算类的后验概率制造技术

训练多个二进制支持向量机(SVM)以在多个类的两个类之间投票。二进制SVM中的每一个SVM在多个类的不同配对之间投票。已验证样本的集合输入至二进制SVM中的每一个二进制SVM。已验证样本的集合包括类中的每一个类的样本。基于二进制SVM的投票确定可能性估计值。针对类中的每一个类分配先验概率分布(先验率)。基于所确定的可能性估计值和所分配的先验率针对类中的每一个类计算的后验概率。

【技术实现步骤摘要】
【国外来华专利技术】采用多个二进制支持向量机计算类的后验概率
技术介绍
支持向量机(SVM)可以是具有分析数据并识别模式的关联学习算法的监督学习模型，用于分类和回归分析。给定训练示例的集合(每个被标记为属于两个类别中的一个类别)，SVM训练算法可以构建将新示例分配至一个类别或另一个类别的模型，使其成为非概率性二进制线性分类器。附图说明以下详细描述参照附图，其中：图1是用于计算多个类的后验概率的系统的示例框图；图2是用于计算多个类的后验概率的系统的另一示例框图；图3是包括用于计算多个类的后验概率的指令的计算设备的示例框图；以及图4是用于计算多个类的后验概率的方法的示例流程图。具体实现方式在以下描述中给出具体细节以提供对实施例的全面理解。然而，将理解的是，可以在没有这些具体细节的情况下实践实施例。例如，可以在框图中示出系统，以便于不因不必要的细节使实施例模糊不清。在其他情况下，可以在没有不必要的细节的情况下示出众所周知的过程、结构和技术，以便于避免使实施例模糊不清。支持向量机(SVM)模型可以是作为空间中点的示例的代表，被映射使得由尽可能宽的清晰边缘划分分离的类别的示例。新示例随后可以映射至相同的空间中并且基于它本文档来自技高网...

【技术保护点】
一种方法，包括：训练多个二进制支持向量机(SVM)以在多个类中的两个类之间投票，所述二进制SVM中的每一个二进制SVM用于在所述多个类中的不同配对之间投票；将已验证样本的集合输入至所述二进制SVM中的每一个二进制SVM，所述已验证样本的集合包括所述类中的每一个类的样本；响应于所述输入，基于所述二进制SVM的投票确定可能性估计值；针对所述类中的每一个类分配先验概率分布(先验率)；以及基于所确定的可能性估计值和所分配的先验率，针对所述类中的每一个类计算后验概率。

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：训练多个二进制支持向量机(SVM)以在多个类中的两个类之间投票，所述二进制SVM中的每一个二进制SVM用于在所述多个类中的不同配对之间投票；将已验证样本的集合输入至所述二进制SVM中的每一个二进制SVM，所述已验证样本的集合包括所述类中的每一个类的样本；响应于所述输入，基于所述二进制SVM的投票确定可能性估计值；针对所述类中的每一个类分配先验概率分布(先验率)；以及基于所确定的可能性估计值和所分配的先验率，针对所述类中的每一个类计算后验概率。2.根据权利要求1所述的方法，其中确定所述可能性估计值包括：首先响应于所输入的配对中的第一类的已验证样本，确定所述多个二进制SVM中的第一二进制SVM对所述第一类的第一投票数；其次响应于所输入的所述第一类的已验证样本，确定所述第一二进制SVM对所述配对中的第二类的第二投票数；首先将所述第一投票数除以所输入的所述第一类的已验证样本的数量，以在给定所述第一类的已验证样本的情况下确定所述第一二进制SVM对所述第一类投票的第一可能性估计值；以及其次将所述第二投票数除以所输入的所述第一类的已验证样本的数量，以在给定所述第一类的已验证样本的情况下确定所述第一二进制SVM对所述第二类投票的第二可能性估计值。3.根据权利要求2所述的方法，其中，使用所述多个类的对应剩余类的所述已验证样本，针对所述多个类的剩余类中的每一个类，第一次重复该首先确定步骤、该其次确定步骤、该首先除以步骤和该其次除以步骤，以针对所述第一二进制SVM计算所述可能性估计值的剩余部分，以及针对所述二进制SVM的剩余二进制SVM中的每一个二进制SVM，第二次重复该第一次重复步骤，以确定所述二进制SVM的剩余二进制SVM关于类中的每一个类的可能性估计值。4.根据权利要求3所述的方法，其中计算所述后验概率包括：将第一样本输入至二进制SVM中的每一个二进制SVM，以及响应于所输入的第一样本，确定所述二进制SVM中的每一个二进制SVM的投票，所述投票用于指示所述二进制SVM中的每一个二进制SVM对配对类中的一个类的投票。5.根据权利要求4所述的方法，其中针对第一类计算后验概率进一步包括：在给定所述第一类的样本的情况下，通过将所述第一类的先验率乘以所述可能性估计值中的任一个而确定非归一化概率，所述可能性估计值与具有包括所述第一类的配对的二进制SVM相关，并且与所述二进制SVM所确定的投票对应。6.根据权利要求5所述的方法，其中计算所述后验概率进一步包括：归一化所述非归一化概率，所述归一化包括：将所述先验率中的每一个先验率与所述可能性估计值相乘，所述可能性估计值是在给定所述第一类的样本的情况下，具有包括所述第一类的配对的一个二进制SVM对所述先验率的类投票的可能性估计值；将所有相乘后的先验率相加以确定第一分母；针对具有包括所述第一类的配对的所述二进制SVM中的任何剩余二进制SVM，重复所述相乘和相乘后的先验率的相加，以确定多个分母的剩余部分。7.根据权利要求6所述的方法，其中所述归一化进一步包括：将所述多...

【专利技术属性】
技术研发人员：乔治·萨克拉特瓦拉，帕什米娜·卡梅伦，
申请(专利权)人：隆沙有限公司，
类型：发明
国别省市：英国,GB