买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：清华大学

摘要：本申请公开一种用于雷达姿势识别的在线半监督学习分类器及其分类方法，分类器包括：特征缓存器模块用于在预设替换策略下进行样本缓存；极端随机森林模块用于在经过离线式预训练后具有分类能力，将新到达的无标签姿势样本赋予伪标签并通过筛选后，将无标签姿势样本的索引、伪标签和特征向量存入特征缓存器模块，索引存入极端随机森林模块的相应叶子节点，依据伪标签更新叶子节点中的标签计数器，当叶子节点满足分裂条件时，根据存储的索引向量从特征缓存器模块中提取对应批次的样本并调用极端随机森林的节点分裂算法进行分裂。由此，解决了离线采集训练样本成本高的问题以及离线监督式机器学习算法在未提供过训练样本的用户上的泛化性能低的问题。

主权项：1.一种用于雷达姿势识别的在线半监督学习分类器，其特征在于，包括：特征缓存器模块，用于在预设替换策略下进行样本缓存；极端随机森林模块，用于在经过离线式预训练后具有分类能力，将新到达的无标签姿势样本赋予伪标签并通过筛选后，将所述无标签姿势样本的索引、伪标签和特征向量存入所述特征缓存器模块，所述索引存入所述极端随机森林模块的相应叶子节点，同时依据所述伪标签更新叶子节点中的标签计数器，以及当所述叶子节点满足分裂条件时，根据存储的索引向量从所述特征缓存器模块中提取对应批次的样本并调用极端随机森林的节点分裂算法进行分裂；所述极端随机森林模块包括多个二分类极端随机森林分类器，其中，每个二分类极端随机森林分类器与姿势类别一一对应设置，以在输入姿势样本时，输出用于表示所述姿势样本是否属于对应类别的二元标签；所述每个二分类极端随机森林分类器由使用预先采集的姿势数据集和离线训练算法完成对从属于各个二分类极端随机森林的参考子森林的训练，并且在无标签姿势样本顺序输入后，按照预设训练流程依次完成对从属于各个二分类极端随机森林的增量子森林的训练；所述按照预设训练流程依次完成对从属于各个二分类极端随机森林的增量子森林的训练包括：通过所述参考子森林为新到达无标签样本预测伪标签并给出其属于本类的概率；依照所述概率对伪标签样本进行筛选；将通过筛选的伪标签样本的索引、伪标签和特征向量存入所述特征缓存器模块；将通过筛选的伪标签样本的索引存入所述增量子森林的各决策叶子节点中的索引池，同时依据伪标签更新各叶子节点中的标签计数器；依据所述标签计数器的计数结果判断叶子节点是否满足分裂条件，对于满足分裂条件的叶子节点，依照其索引池中所存储的索引向量从所述特征缓存器模块中提取对应批次的样本，并调用极端随机森林的节点分裂算法对该节点进行增量地分裂。

全文数据：

权利要求：

百度查询： 清华大学 用于雷达姿势识别的在线半监督学习分类器及其分类方法