。
[0069] 分类判定模块，用于运行得到的所有高斯二分类器，依次对测试样本进行分类判 定。
[0070] 结果输出模块，用于在所判定出的所有类别中，提取测试样本的类别结果，其中， 判定出所述测试样本的类别结果的高斯二分类器的数量，大于判定出其他类别的高斯二分 类器的数量。
[0071 ] 其中，所述训练模块，具体用于获取k类训练样本，并将k类训练样本两两组合，得 到(Γ,:=.4(Α-1)/2种训练样本的组合，其中，k大于等于3。将每种组合通过高斯过程二分 类算法进行训练，得到q,个高斯二分类器，其中每一个高斯二分类器对应一种组合，其中ie{l，...，k}，je{l，...，k}。
[0072] 所述分类判定模块，具体用于设定n种类别，并将每一种类别的初始票数设为0， 其中η为正整数。运行Cu个高斯二分类器中的第1个高斯二分类器，对目标测试样本进 行分类判定，将目标测试样本判别为第i类，则将类别i的票数加1，其中，i为1至η中的 一个整数值，表示当前高斯二分类器判定得到的类别编号。依次运行Cu个高斯二分类器 中的所有高斯二分类器，并在所有高斯二分类器运行完毕后，得到η种类别中每一种类别 的票数。
[0073] 所述结果输出模块，具体用于在η种类别中，提取票数最多的类别为类别结果。
[0074] 本发明实施例提供的高斯过程多分类器的构造装置，通过利用一对一方法构建了 高斯过程多分类器，将高斯过程二分类器扩展成多分类器，改进目前已有的一对多高斯过 程分类器存在的不足，提出了基于一对一方法的高斯过程多分类器。将训练样本进行两两 组合，并将组合得到训练样本作为两类输入训练得到对应的高斯二分类器，在分类阶段，采 用投票法对测试样本进行投票，票数最多的类别即判为测试样本的类别数，可以降低每个 分类器的输入样本个数，大大提高分类器的分类速度，并且解决了训练样本均衡性较差的 问题。
[0075] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部 分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实 施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施 例的部分说明即可。
[0076] 本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以 通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质 中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁 碟、光盘、只读存储记忆体（Read-OnlyMemory，ROM)或随机存储记忆体（RandomAccess Memory，RAM)等。
[0077] 以上所述，仅为本发明的【具体实施方式】，但本发明的保护范围并不局限于此，任何 熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应 涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。
【主权项】
1. 一种高斯过程多分类器的构造方法，其特征在于，包括： 将训练样本两两组合，并对每种组合通过高斯过程二分类算法进行训练，并得到高斯 二分类器，其中，每种组合包括两个训练样本，且对应一个高斯二分类器； 运行得到的所有高斯二分类器，依次对测试样本进行分类判定； 在所判定出的所有类别中，提取测试样本的类别结果，其中，判定出所述测试样本的类 别结果的高斯二分类器的数量，大于判定出其他类别的高斯二分类器的数量。2. 根据权利要求1所述的方法，其特征在于，所述对每种组合通过高斯过程二分类算 法进行训练，并得到高斯二分类器，包括： 获取k类训练样本，并将k类训练样本两两组合，得到= ((A -1)/2种训练样本的组 合，其中，k大于等于3 ; 将每种组合通过高斯过程二分类算法进行训练，得到Cli,个高斯二分类器，其中每一个 高斯二分类器对应一种组合，其中i e {1，· · ·，k}，j e {1，· · ·，k}。3. 根据权利要求2所述的方法，其特征在于，所述运行得到的所有高斯二分类器，依次 对测试样本进行分类判定，包括： 设定η种类别，并将每一种类别的初始票数设为0,其中η为正整数； 运行Cli,个高斯二分类器中的第1个高斯二分类器，对目标测试样本进行分类判定，将 目标测试样本判别为第i类，则将类别i的票数加1，其中，i为1至η中的一个整数值，表 示当前高斯二分类器判定得到的类别编号； 依次运行C1^个高斯二分类器中的所有高斯二分类器，并在所有高斯二分类器运行完 毕后，得到η种类别中每一种类别的票数。4. 根据权利要求3所述的方法，其特征在于，所述在所判定出的所有类别中，提取测试 样本的类别结果，为：在η种类别中，提取票数最多的类别为类别结果。5. -种高斯过程多分类器的构造装置，其特征在于，包括： 训练模块，用于将训练样本两两组合，并对每种组合通过高斯过程二分类算法进行训 练，并得到高斯二分类器，其中，每种组合包括两个训练样本，且对应一个高斯二分类器； 分类判定模块，用于运行得到的所有高斯二分类器，依次对测试样本进行分类判定； 结果输出模块，用于在所判定出的所有类别中，提取测试样本的类别结果，其中，判定 出所述测试样本的类别结果的高斯二分类器的数量，大于判定出其他类别的高斯二分类器 的数量。6. 根据权利要求5所述的装置，其特征在于，所述训练模块，具体用于获取k类训练样 本，并将k类训练样本两两组合，得到Cf =々(A - I) <2种训练样本的组合，其中，k大于等于 3 ;将每种组合通过高斯过程二分类算法进行训练，得到Cli,个高斯二分类器，其中每一个 高斯二分类器对应一种组合，其中i e {1，· · ·，k}，j e {1，· · ·，k}。7. 根据权利要求6所述的装置，其特征在于，所述分类判定模块，具体用于设定η种类 另IJ，并将每一种类别的初始票数设为〇,其中η为正整数；运行C li,个高斯二分类器中的第1 个高斯二分类器，对目标测试样本进行分类判定，将目标测试样本判别为第i类，则将类别 i的票数加1，其中，i为1至η中的一个整数值，表示当前高斯二分类器判定得到的类别编 号；依次运行C1^个高斯二分类器中的所有高斯二分类器，并在所有高斯二分类器运行完 毕后，得到η种类别中每一种类别的票数。8.根据权利要求7所述的装置，其特征在于，所述结果输出模块，具体用于在η种类别 中，提取票数最多的类别为类别结果。
【专利摘要】本发明实施例公开了一种高斯过程多分类器的构造方法及装置，涉及电子信息技术领域，能够减少分类过程的耗时并避免训练均衡性较差问题。本发明的方法包括：将训练样本两两组合，并对每种组合通过高斯过程二分类算法进行训练，并得到高斯二分类器，其中，每种组合包括两个训练样本，且对应一个高斯二分类器；运行得到的所有高斯二分类器，依次对测试样本进行分类判定；在所判定出的所有类别中，提取测试样本的类别结果，其中，判定出测试样本的类别结果的高斯二分类器的数量，大于判定出其他类别的高斯二分类器的数量。本发明适用于高斯分类器的训练和测试。
【IPC分类】G06K9/62
【公开号】CN105426913
【申请号】CN201510785867
【发明人】童莹, 黄维, 曹雪虹
【申请人】南京工程学院
【公开日】2016年3月23日
【申请日】2015年11月16日