RU2007123771A - Способ уменьшения количества характеристик для решающих машин - Google Patents

Claims (21)

1. Способ работы по меньшей мере одного вычислительного устройства в качестве решающей машины с целью решения задачи, имеющей решение, зависящее от векторов, полученных из набора характеристик в пространстве характеристик, включающий в себя работу вышеупомянутого вычислительного устройства по выполнению следующих действий:

a) решают задачу минимизации, соответствующую формулировке задачи для МПВ (Машина Поддерживающих Векторов) на языке квадратичного программирования, чтобы идентифицировать значимые характеристики вышеупомянутого набора; и

b) решают данную задачу путем работы решающей машины с уменьшенным количеством вычислительных шагов на основе идентификации значимых характеристик.

2. Способ по п.1, отличающийся тем, что шаг решения задачи минимизации содержит решение задачи наименьших квадратов.

3. Способ по п.1, отличающийся тем, что вычислительное устройство работает как решающая машина, чтобы решить задачу, представляющую собой задачу классификации.

4. Способ по п.1, отличающийся тем, что вычислительное устройство работает как решающая машина, чтобы решить задачу, представляющую собой задачу регрессии.

5. Способ по п.1, отличающийся тем, что решающая машина работает в соответствии с одним из следующих принципов: анализ главных компонентов, анализ главных компонентов ядра (АГКЯ), анализ независимых компонентов (АНК), линейный дискриминантный анализ (ЛДА), байесовы интраперсональные или экстраперсональные классификаторы.

6. Способ по п.1, включающий в себя обработку только значимых характеристик при решении задачи.

7. Способ по п.1, отличающийся тем, что решающая машина представляет собой одно из следующих устройств: машина поддерживающих векторов, машина анализа главных компонентов, машина анализа главных компонентов ядра, машина анализа независимых компонентов или машина линейного дискриминантого анализа.

8. Способ по п.7, отличающийся тем, что решающая машина представляет собой машину классификации поддерживающих векторов, вышеуказанный способ далее включает

определение гиперплоскости, разделяющей векторы по дискретным классам.

9. Способ по п.8, включающий в себя определение гиперплоскости с использованием векторов, содержащих только значимые характеристики.

10. Способ по п.7, отличающийся тем, что решающая машина представляет собой машину регрессии поддерживающих векторов.

11. Способ по п.1, содержащий:

сравнивают значение решения задачи минимизации с заданным пороговым значением, чтобы определить, надлежит ли рассматривать соответствующую характеристику как незначимую.

12. Способ по п.11, содержащий:

выполняют нормализацию решения задачи минимизации.

13. Способ по п.1, отличающийся тем, что шаг решения задачи минимизации содержит минимизацию квадрата 2-нормы.

14. Способ по п.1, отличающийся тем, что шаг решения задачи минимизации содержит минимизацию по отношению к 1-норме.

15. Способ по п.1, отличающийся тем, что шаг решения задачи минимизации содержит минимизацию по отношению к норме "бесконечность".

16. Способ по п.1, содержащий:

отображают задачу наименьших квадратов в пространство характеристик.

17. Способ по п.13, содержащий:

классифицируют тестовые векторы, полученные из пространства характеристик.

18. Вычислительное устройство, которое программируют для реализации способа по п.1.

19. Вычислительное устройство по п.15, включающее в себя одно из следующих устройств:

персональный компьютер;

персональный цифровой секретарь;

медицинское диагностическое устройство; или беспроводное устройство.

20. Носитель для хранения машиночитаемых команд для их выполнения одним или более процессорами с целью реализации способа по п.1.

21. Способ по п.1, содержащий действия:

программируют по меньшей мере одно вычислительное устройство командами, выполняемыми компьютером, соответствующими шагам а) и b), и сохраняют эти команды на машиночитаемом носителе.