CN104850855A - 计算置信度的方法和装置 - Google Patents
计算置信度的方法和装置 Download PDFInfo
- Publication number
- CN104850855A CN104850855A CN201510205477.8A CN201510205477A CN104850855A CN 104850855 A CN104850855 A CN 104850855A CN 201510205477 A CN201510205477 A CN 201510205477A CN 104850855 A CN104850855 A CN 104850855A
- Authority
- CN
- China
- Prior art keywords
- specific data
- lineoid
- confidence
- degree
- distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开是关于一种计算置信度的方法和装置,属于数据分类领域。所述方法包括:获取第一超平面的权重向量和偏置项,所述第一超平面用于区分不同类别的数据;根据指定数据的指定向量、所述权重向量和所述偏置项,确定指定类别,所述指定类别为当前确定的所述指定数据所属的类别;根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离;根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,所述第一置信度用于表示所述指定数据属于所述指定类别的概率。本公开以该置信度来表示该指定数据属于指定类别的概率,则根据该置信度可以直接获知该指定数据属于指定类别的概率,简单直观。
Description
技术领域
本公开是关于数据分类领域,具体来说是关于计算置信度的方法和装置。
背景技术
SVM(Support Vector Machine,支持向量机)是一种常用的线性分类器,可以广泛应用于图像识别等多种领域。在应用SVM进行分类时,需要先对样本数据进行训练,学习出超平面,再应用该超平面,对未知类别的数据进行分类。
进行训练的多个样本数据分别属于两个不同的类别,通过对该多个样本数据进行训练,可以得到超平面,该超平面由权重向量和偏置项表示。该超平面能够将多个样本数据区分开,使得属于第一类的样本数据位于超平面的第一侧,属于第二类的样本数据位于超平面的第二侧。训练出该超平面后,可以根据待分类数据的向量、该超平面的权重向量和偏置项进行计算,以判断该数据位于超平面的哪一侧。如果该数据位于超平面的第一侧,则确定该数据属于第一类,如果该数据位于超平面的第二侧,则确定该数据属于第二类。
发明内容
为了解决相关技术中存在的问题,本公开提供了一种计算置信度的方法和装置。所述技术方案如下:
根据本公开实施例的第一方面,提供了一种计算置信度的方法,所述方法包括:
获取第一超平面的权重向量和偏置项,所述第一超平面用于区分不同类别的数据;
根据指定数据的指定向量、所述权重向量和所述偏置项,确定指定类别,所述指定类别为当前确定的所述指定数据所属的类别;
根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离;
根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,所述第一置信度用于表示所述指定数据属于所述指定类别的概率。
在另一实施例中,所述根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离,包括:
根据所述指定向量、所述权重向量和所述偏置项,应用以下公式,计算所述指定数据与所述第一超平面之间的距离:
distance=|wT·x+b|;
其中,distance用于表示所述指定数据与所述第一超平面之间的距离,w用于表示所述权重向量,x用于表示所述指定向量,b用于表示所述偏置项。
在另一实施例中,所述根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,包括:
将所述指定数据与所述第一超平面之间的距离作为所述指定数据的第一置信度。
在另一实施例中,所述根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,包括:
根据所述指定数据与所述第一超平面之间的距离,应用以下公式,计算所述指定数据的第一置信度:
其中,p用于表示所述指定数据的第一置信度,distance用于表示所述指定数据与所述第一超平面之间的距离。
在另一实施例中,所述根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度之后,所述方法还包括:
判断所述第一置信度是否大于预设置信度阈值;
当所述第一置信度不大于所述预设置信度阈值时,获取第二超平面的权重向量和偏置项,所述第二超平面与所述第一超平面不同;
根据所述指定向量以及所述第二超平面的权重向量和偏置项,执行计算所述指定数据的第二置信度的步骤。
根据本公开实施例的第二方面,提供了一种计算置信度的装置,所述装置包括:
获取模块,用于获取第一超平面的权重向量和偏置项,所述第一超平面用于区分不同类别的数据;
分类模块,用于根据指定数据的指定向量、所述权重向量和所述偏置项,确定指定类别,所述指定类别为当前确定的所述指定数据所属的类别;
计算模块,用于根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离;
所述计算模块,还用于根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,所述第一置信度用于表示所述指定数据属于所述指定类别的概率。
在另一实施例中,所述计算模块还用于根据所述指定向量、所述权重向量和所述偏置项,应用以下公式,计算所述指定数据与所述第一超平面之间的距离:
distance=|wT·x+b|;
其中,distance用于表示所述指定数据与所述第一超平面之间的距离,w用于表示所述权重向量,x用于表示所述指定向量,b用于表示所述偏置项。
在另一实施例中,所述计算模块还用于将所述指定数据与所述第一超平面之间的距离作为所述指定数据的第一置信度。
在另一实施例中,所述计算模块还用于根据所述指定数据与所述第一超平面之间的距离,应用以下公式,计算所述指定数据的第一置信度:
其中,p用于表示所述指定数据的第一置信度,distance用于表示所述指定数据与所述第一超平面之间的距离。
在另一实施例中,所述装置还包括:
判断模块,用于判断所述第一置信度是否大于预设置信度阈值;
所述获取模块,还用于当所述第一置信度不大于所述预设置信度阈值时,获取第二超平面的权重向量和偏置项,所述第二超平面与所述第一超平面不同;
所述计算模块,还用于根据所述指定向量以及所述第二超平面的权重向量和偏置项,执行计算所述指定数据的第二置信度的步骤。
根据本公开实施例的第三方面,提供了一种计算置信度的装置,所述装置包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取第一超平面的权重向量和偏置项,所述第一超平面用于区分不同类别的数据;
根据指定数据的指定向量、所述权重向量和所述偏置项,确定指定类别,所述指定类别为当前确定的所述指定数据所属的类别;
根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离;
根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,所述第一置信度用于表示所述指定数据属于所述指定类别的概率。
本公开的实施例提供的技术方案可以包括以下有益效果:
本实施例提供的方法和装置,通过根据待分类的指定数据的指定向量、第一超平面的权重向量和偏置项,计算指定数据与第一超平面之间的距离,根据该距离计算出指定数据的置信度,以该置信度来表示该指定数据属于指定类别的概率,则根据该置信度可以直接获知该指定数据属于指定类别的概率,简单直观。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种计算置信度的方法的流程图;
图2A是根据一示例性实施例示出的一种计算置信度的方法的流程图;
图2B是根据一示例性实施例示出的超平面示意图;
图2C是根据一示例性实施例示出的分类流程图;
图3是根据一示例性实施例示出的一种计算置信度的装置的框图;
图4是根据一示例性实施例示出的一种用于计算置信度的装置的框图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,下面结合实施方式和附图,对本公开做进一步详细说明。在此,本公开的示意性实施方式及其说明用于解释本公开,但并不作为对本公开的限定。
本公开实施例提供一种计算置信度的方法和装置,以下结合附图对本公开进行详细说明。
图1是根据一示例性实施例示出的一种计算置信度的方法的流程图,如图1所示,该计算置信度的方法用于分类装置中,包括以下步骤:
在步骤101中,获取第一超平面的权重向量和偏置项,该第一超平面用于区分不同类别的数据。
在步骤102中,根据指定数据的指定向量、该权重向量和该偏置项,确定指定类别,该指定类别为当前确定的该指定数据所属的类别。
在步骤103中,根据该指定向量、该权重向量和该偏置项,计算该指定数据与该第一超平面之间的距离。
在步骤104中,根据该指定数据与该第一超平面之间的距离,计算该指定数据的第一置信度,该第一置信度用于表示该指定数据属于该指定类别的概率。
本实施例提供的方法,通过根据待分类的指定数据的指定向量、第一超平面的权重向量和偏置项,计算指定数据与第一超平面之间的距离,根据该距离计算出指定数据的置信度,以该置信度来表示该指定数据属于指定类别的概率,则根据该置信度可以直接获知该指定数据属于指定类别的概率,简单直观。
在另一实施例中,该根据该指定向量、该权重向量和该偏置项,计算该指定数据与该第一超平面之间的距离,包括:
根据该指定向量、该权重向量和该偏置项,应用以下公式,计算该指定数据与该第一超平面之间的距离:
distance=|wT·x+b|;
其中,distance用于表示该指定数据与该第一超平面之间的距离,w用于表示该权重向量,x用于表示该指定向量,b用于表示该偏置项。
在另一实施例中,该根据该指定数据与该第一超平面之间的距离,计算该指定数据的第一置信度,包括:
将该指定数据与该第一超平面之间的距离作为该指定数据的第一置信度。
在另一实施例中,该根据该指定数据与该第一超平面之间的距离,计算该指定数据的第一置信度,包括:
根据该指定数据与该第一超平面之间的距离,应用以下公式,计算该指定数据的第一置信度:
其中,p用于表示该指定数据的第一置信度,distance用于表示该指定数据与该第一超平面之间的距离。
在另一实施例中,该根据该指定数据与该第一超平面之间的距离,计算该指定数据的第一置信度之后,该方法还包括:
判断该第一置信度是否大于预设置信度阈值;
当该第一置信度不大于该预设置信度阈值时,获取第二超平面的权重向量和偏置项,该第二超平面与该第一超平面不同;
根据该指定向量以及该第二超平面的权重向量和偏置项,执行计算该指定数据的第二置信度的步骤。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
图2A是根据一示例性实施例示出的一种计算置信度的方法的流程图,如图2A所示,计算置信度的方法用于分类装置中,包括以下步骤:
在步骤201中,分类装置获取第一超平面的权重向量和偏置项。
其中,该分类装置用于对数据进行分类,可以为计算机、服务器等设备,本实施例对此不做限定。
在进行分类之前,该分类装置已训练出第一超平面,该第一超平面由权重向量和偏置项表示,且该第一超平面用于区分不同类别的数据。在进行分类时,该分类装置可以获取第一超平面的权重向量和偏置项,根据该权重向量和偏置项进行分类。
例如,该第一超平面的方程可以表示为wT·x+b=m,w用于表示该权重向量,wT用于表示该权重向量的转置,x用于表示该第一超平面上点的向量,wT·x用于表示该权重向量的转置与该第一超平面上点的向量的乘积,b用于表示该偏置项,m用于表示预设阈值。其中,该预设阈值m可以为0或其他数值,本实施例对此不做限定。
对于任一数据来说,如果该数据的向量x0满足wT·x0+b=m,则该数据位于该第一超平面上,如果x0满足wT·x0+b>m,则该数据属于第一类,而如果x0满足wT·x0+b<m,则该数据属于第二类。
在步骤202中,该分类装置根据指定数据的指定向量、该权重向量和该偏置项,确定指定类别,并计算该指定数据与该第一超平面之间的距离。
本实施例中,将待分类的数据作为指定数据,则该分类装置获取该指定数据的指定向量,根据该指定向量、该权重向量和该偏置项,可以确定该指定数据所属的类别,将当前确定的该指定数据所属的类别作为指定类别。且,根据该指定向量、该权重向量和该偏置项,可以计算出该指定数据与该第一超平面之间的距离。
该分类装置可以计算该权重向量的转置与该指定向量的乘积,并计算该乘积与该偏置项之和,得到分类值,将该分类值的绝对值作为该指定数据与该第一超平面之间的距离。且如果该分类值大于该预设阈值,则可以确定该指定数据属于第一类,即该指定类别为第一类,而如果该分类值小于该预设阈值,则可以确定该指定数据属于第二类,即该指定类别为第二类。
也即是,该分类装置根据该指定向量、该权重向量和该偏置项,应用以下公式,计算该分类值:
l=wT·x+b;
并根据该指定向量、该权重向量和该偏置项,应用以下公式,计算该指定数据与该第一超平面之间的距离:
distance=|wT·x+b|;
其中,x用于表示该指定向量,l用于表示该分类值,distance用于表示该指定数据与该第一超平面之间的距离。
如果该指定向量x满足wT·x+b>m,则确定该指定向量属于第一类,而如果该指定向量x满足wT·x+b<m,则确定该指定向量属于第二类。且该指定数据与该第一超平面之间的距离为|wT·x+b|。
在步骤203中,该分类装置根据该指定数据与该第一超平面之间的距离,计算该指定数据的第一置信度,该第一置信度用于表示该指定数据属于该指定类别的概率。
在实际应用时,该分类装置通过分类确定该指定数据属于指定类别,可以认为该指定数据与该第一超平面之间的距离越大,该指定数据属于指定类别的概率越高,而该指定数据与该第一超平面之间的距离越小,该指定数据属于该指定类别的概率越低。
为了直观地获知该指定数据属于该指定类别的概率,该分类装置根据该指定数据与该第一超平面之间的距离,计算该指定数据的第一置信度,使得该距离与该第一置信度正相关,即该距离越大时,该第一置信度越大,该距离越小时,该第一置信度越小,则该第一置信度能够表示该指定数据属于该指定类别的概率大小。
例如,该分类装置可以将该指定数据与该第一超平面之间的距离作为该指定数据的第一置信度。
或者,该分类装置可以根据该指定数据与该第一超平面之间的距离,应用以下公式,计算该指定数据的第一置信度:
其中,p用于表示该指定数据的第一置信度,distance用于表示该指定数据与该第一超平面之间的距离。
应用该公式计算第一置信度时,能够保证该指定数据与第一超平面之间的距离与该第一置信度正相关,且保证计算出的第一置信度属于数值范围(0,1),能够模拟该指定数据属于该指定类别的概率。
在步骤204中,该分类装置判断该第一置信度是否大于预设置信度阈值,如果是,分类结束,如果否,执行步骤205。
上述步骤中仅以第一超平面为例进行说明,该分类装置根据该第一超平面,确定该指定数据所属的类别和该类别对应的置信度。而在实际应用中,该分类装置可以训练出多个超平面,每个超平面用于区分两个不同类别的数据,该分类装置根据多个超平面中的每个超平面,均可确定该指定数据所对应的类别和置信度,并根据该指定数据基于每个超平面所确定的类别和置信度,从多个类别中,确定该指定数据所属的类别。
当该分类装置已训练出多个超平面时,可以预先确定预设置信度阈值,该预设置信度阈值可以由该分类装置在进行训练时根据样本数据的置信度以及分类的准确率需求确定,本实施例对此不做限定。
当该分类装置根据该第一超平面,确定该指定数据属于该指定类别,且对应的置信度为第一置信度时,判断该第一置信度是否大于该预设置信度阈值。如果该第一置信度大于该预设置信度阈值,表示该指定数据属于该指定类别的概率较高,该分类装置可以确定该指定数据属于该指定类别,而不再应用其他的超平面对该指定数据进行分类,分类结束。如果该第一置信度不大于该预设置信度阈值,表示虽然当前将该指定数据划分为该指定类别,但该指定数据属于该指定类别的概率较低,则为了提高分类准确率,该分类装置可以应用其他的超平面,继续对该指定数据进行分类。
在步骤205中,该分类装置获取第二超平面的权重向量和偏置项,根据该指定向量以及该第二超平面的权重向量和偏置项,执行计算该指定数据的第二置信度的步骤。
当该第一置信度不大于该预设置信度阈值时,该分类装置获取第二超平面,该第二超平面用于区分两个不同类别的数据,且该第二超平面与该第一超平面不同。该分类装置获取该第二超平面的权重向量和偏置项,根据该指定向量、该第二超平面的权重向量和偏置项,执行上述步骤202和203,确定该指定数据当前所属的类别以及对应的第二置信度,该第二置信度用于表示该指定数据属于当前确定的类别的概率。
该分类装置计算出该第二置信度后,可以执行上述步骤204,判断该第二置信度是否大于该预设置信度阈值,该第二置信度大于该预设置信度阈值时,分类结束,该第二置信度不大于该预设置信度阈值时,继续获取第三超平面,以此类推,直至计算出的置信度大于该预设置信度阈值时,确定大于该预设置信度阈值的置信度所对应的类别。
需要说明的是,上述步骤204和205为可选步骤,该分类装置仅训练出该第一超平面时,可以不执行步骤204和205。而该分类装置训练出多个超平面时,可以执行步骤204和205,也可以不执行步骤204和205。
例如,该分类装置训练出多个超平面时,可以确定该多个超平面的顺序,按照该多个超平面的顺序,对每个超平面执行上述步骤201-204,直至当前计算出的该指定数据的置信度大于该预设置信度阈值时,确定该指定数据当前所属的类别,分类结束。或者,该分类装置训练出多个超平面时,对每个超平面均执行上述步骤201-203,计算出该指定数据基于每个超平面的置信度,从计算出的多个置信度中选取最大的置信度,该最大的置信度所对应的类别即为该指定数据所属的类别,分类结束。
举例来说,参见图2B,该分类装置训练出2个超平面:超平面1和超平面2,其中,超平面1用于将数据划分为第1类和第2类,超平面2用于将数据划分为第2类和第3类。则参见图2C,该分类装置可以执行下述步骤(1)至(6),对指定数据进行分类:
(1)该分类装置根据超平面1,判断指定数据属于第1类还是第2类,如果确定该指定数据属于第1类,执行步骤(2),如果确定该指定数据属于第2类,执行步骤(3)。
(2)该分类装置计算出该指定数据的置信度为n1,以该n1表示该指定数据属于第1类的概率,结束。
(3)该分类装置根据超平面1,计算出该指定数据的置信度为n2,n2表示根据超平面1计算出的指定数据属于第2类的概率,判断n2是否大于预设置信度阈值,如果是,分类结束,如果否,执行步骤(4)。
由于超平面1仅用于区分第1类的数据和第2类的数据,该分类装置根据超平面1,将指定数据划分为第2类时,该指定数据实际上可能是属于第3类的数据。则为了提高分类准确率,该分类装置根据超平面1,计算出的指定数据属于第2类的概率n2,判断n2是否大于预设置信度阈值,如果是,则可以确定该指定数据属于第2类,如果否,则该指定数据可能属于第2类,也可能属于第3类,因此需要继续对该指定数据进行分类。
(4)该分类装置根据超平面2,判断该指定数据属于第2类还是第3类,如果确定该指定数据属于第2类,执行步骤(5),如果确定该指定数据属于第3类,执行步骤(6)。
(5)该分类装置根据超平面2,计算出该指定数据的置信度为n3,n3表示根据超平面2计算出的指定数据属于第2类的概率,结束。
如果根据超平面1和超平面2,均将该指定数据划分为第2类,则可以确定该指定数据属于第2类,分类结束。
(6)该分类装置根据超平面2,计算出该指定数据的置信度为n4,n4表示根据超平面2计算出的指定数据属于第3类的概率,结束。
如果根据超平面2,将该指定数据划分为第3类,则可以确定该指定数据属于第3类,分类结束。
本实施例提供的方法可以应用于图像识别领域,以图像中的数字提取过程为例,应用本实施例提供的方法,可以将图像中的某一字符划分为数字,并计算该字符的置信度,如果计算出的置信度足够高,则确定该字符为数字,如果该置信度很小,则继续对该字符进行识别,以确定该字符为数字、图像还是其他类型的字符,提高了数字提取的准确率,使得提取出的数字图像的鲁棒性更高。
本实施例提供的方法,通过根据待分类的指定数据的指定向量、第一超平面的权重向量和偏置项,计算指定数据与第一超平面之间的距离,根据该距离计算出指定数据的置信度,以该置信度来表示该指定数据属于指定类别的概率,则根据该置信度可以直接获知该指定数据属于指定类别的概率,简单直观。且采用逻辑回归公式计算指定数据的置信度,能够模拟该指定数据属于该指定类别的概率。当该分类装置训练出多个超平面时,可以根据该多个超平面,计算该指定数据的多个置信度,根据该多个置信度的大小,确定该指定数据所属的类别,提高了分类的准确率。
图3是根据一示例性实施例示出的一种计算置信度的装置的框图。参见图3,该装置包括获取模块301,分类模块302和计算模块303。
获取模块301,用于获取第一超平面的权重向量和偏置项,该第一超平面用于区分不同类别的数据;
分类模块302,用于根据指定数据的指定向量、该权重向量和该偏置项,确定指定类别,该指定类别为当前确定的该指定数据所属的类别;
计算模块303,用于根据该指定向量、该权重向量和该偏置项,计算该指定数据与该第一超平面之间的距离;
该计算模块303,还用于根据该指定数据与该第一超平面之间的距离,计算该指定数据的第一置信度,该第一置信度用于表示该指定数据属于该指定类别的概率。
本实施例提供的装置,通过根据待分类的指定数据的指定向量、第一超平面的权重向量和偏置项,计算指定数据与第一超平面之间的距离,根据该距离计算出指定数据的置信度,以该置信度来表示该指定数据属于指定类别的概率,则根据该置信度可以直接获知该指定数据属于指定类别的概率,简单直观。
在另一实施例中,该计算模块303还用于根据该指定向量、该权重向量和该偏置项,应用以下公式,计算该指定数据与该第一超平面之间的距离:
distance=|wT·x+b|;
其中,distance用于表示该指定数据与该第一超平面之间的距离,w用于表示该权重向量,x用于表示该指定向量,b用于表示该偏置项。
在另一实施例中,该计算模块303还用于将该指定数据与该第一超平面之间的距离作为该指定数据的第一置信度。
在另一实施例中,该计算模块303还用于根据该指定数据与该第一超平面之间的距离,应用以下公式,计算该指定数据的第一置信度:
其中,p用于表示该指定数据的第一置信度,distance用于表示该指定数据与该第一超平面之间的距离。
在另一实施例中,该装置还包括:
判断模块,用于判断该第一置信度是否大于预设置信度阈值;
该获取模块301,还用于当该第一置信度不大于该预设置信度阈值时,获取第二超平面的权重向量和偏置项,该第二超平面与该第一超平面不同;
该计算模块303,还用于根据该指定向量以及该第二超平面的权重向量和偏置项,执行计算该指定数据的第二置信度的步骤。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
需要说明的是:上述实施例提供的计算置信度的装置在计算置信度时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将分类装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的计算置信度的装置与计算置信度的方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
图4是根据一示例性实施例示出的一种用于计算置信度的装置400的框图。例如,装置400可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图4,装置400可以包括以下一个或多个组件:处理组件402,存储器404,电源组件406,多媒体组件408,音频组件410,输入/输出(I/O)的接口412,传感器组件414,以及通信组件416。
处理组件402通常控制装置400的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件402可以包括一个或多个模块,便于处理组件402和其他组件之间的交互。例如,处理组件402可以包括多媒体模块,以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统,一个或多个电源,及其他与为装置400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件408包括一个前置摄像头和/或后置摄像头。当装置400处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件410被配置为输出和/或输入音频信号。例如,音频组件410包括一个麦克风(MIC),当装置400处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中,音频组件410还包括一个扬声器,用于输出音频信号。
I/O接口412为处理组件402和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件414包括一个或多个传感器,用于为装置400提供各个方面的状态评估。例如,传感器组件414可以检测到装置400的打开/关闭状态,组件的相对定位,例如所述组件为装置400的显示器和小键盘,传感器组件414还可以检测装置400或装置400一个组件的位置改变,用户与装置400接触的存在或不存在,装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件414还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件416还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,装置400可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述图1和图2所示实施例中的计算置信度的方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器404,上述指令可由装置400的处理器420执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由分类装置的处理器执行时,使得分类装置能够执行一种计算置信度的方法,所述方法包括:
获取第一超平面的权重向量和偏置项,所述第一超平面用于区分不同类别的数据;
根据指定数据的指定向量、所述权重向量和所述偏置项,确定指定类别,所述指定类别为当前确定的所述指定数据所属的类别;
根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离;
根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,所述第一置信度用于表示所述指定数据属于所述指定类别的概率。
在另一实施例中,所述根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离,包括:
根据所述指定向量、所述权重向量和所述偏置项,应用以下公式,计算所述指定数据与所述第一超平面之间的距离:
distance=|wT·x+b|;
其中,distance用于表示所述指定数据与所述第一超平面之间的距离,w用于表示所述权重向量,x用于表示所述指定向量,b用于表示所述偏置项。
在另一实施例中,所述根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,包括:
将所述指定数据与所述第一超平面之间的距离作为所述指定数据的第一置信度。
在另一实施例中,所述根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,包括:
根据所述指定数据与所述第一超平面之间的距离,应用以下公式,计算所述指定数据的第一置信度:
其中,p用于表示所述指定数据的第一置信度,distance用于表示所述指定数据与所述第一超平面之间的距离。
在另一实施例中,所述根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度之后,所述方法还包括:
判断所述第一置信度是否大于预设置信度阈值;
当所述第一置信度不大于所述预设置信度阈值时,获取第二超平面的权重向量和偏置项,所述第二超平面与所述第一超平面不同;
根据所述指定向量以及所述第二超平面的权重向量和偏置项,执行计算所述指定数据的第二置信度的步骤。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (11)
1.一种计算置信度的方法,其特征在于,所述方法包括:
获取第一超平面的权重向量和偏置项,所述第一超平面用于区分不同类别的数据;
根据指定数据的指定向量、所述权重向量和所述偏置项,确定指定类别,所述指定类别为当前确定的所述指定数据所属的类别;
根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离;
根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,所述第一置信度用于表示所述指定数据属于所述指定类别的概率。
2.根据权利要求1所述的方法,其特征在于,所述根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离,包括:
根据所述指定向量、所述权重向量和所述偏置项,应用以下公式,计算所述指定数据与所述第一超平面之间的距离:
distance=|wT·x+b|;
其中,distance用于表示所述指定数据与所述第一超平面之间的距离,w用于表示所述权重向量,x用于表示所述指定向量,b用于表示所述偏置项。
3.根据权利要求1所述的方法,其特征在于,所述根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,包括:
将所述指定数据与所述第一超平面之间的距离作为所述指定数据的第一置信度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,包括:
根据所述指定数据与所述第一超平面之间的距离,应用以下公式,计算所述指定数据的第一置信度:
其中,p用于表示所述指定数据的第一置信度,distance用于表示所述指定数据与所述第一超平面之间的距离。
5.根据权利要求1所述的方法,其特征在于,所述根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度之后,所述方法还包括:
判断所述第一置信度是否大于预设置信度阈值;
当所述第一置信度不大于所述预设置信度阈值时,获取第二超平面的权重向量和偏置项,所述第二超平面与所述第一超平面不同;
根据所述指定向量以及所述第二超平面的权重向量和偏置项,执行计算所述指定数据的第二置信度的步骤。
6.一种计算置信度的装置,其特征在于,所述装置包括:
获取模块,用于获取第一超平面的权重向量和偏置项,所述第一超平面用于区分不同类别的数据;
分类模块,用于根据指定数据的指定向量、所述权重向量和所述偏置项,确定指定类别,所述指定类别为当前确定的所述指定数据所属的类别;
计算模块,用于根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离;
所述计算模块,还用于根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,所述第一置信度用于表示所述指定数据属于所述指定类别的概率。
7.根据权利要求6所述的装置,其特征在于,所述计算模块还用于根据所述指定向量、所述权重向量和所述偏置项,应用以下公式,计算所述指定数据与所述第一超平面之间的距离:
distance=|wT·x+b|;
其中,distance用于表示所述指定数据与所述第一超平面之间的距离,w用于表示所述权重向量,x用于表示所述指定向量,b用于表示所述偏置项。
8.根据权利要求6所述的装置,其特征在于,所述计算模块还用于将所述指定数据与所述第一超平面之间的距离作为所述指定数据的第一置信度。
9.根据权利要求6所述的装置,其特征在于,所述计算模块还用于根据所述指定数据与所述第一超平面之间的距离,应用以下公式,计算所述指定数据的第一置信度:
其中,p用于表示所述指定数据的第一置信度,distance用于表示所述指定数据与所述第一超平面之间的距离。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括:
判断模块,用于判断所述第一置信度是否大于预设置信度阈值;
所述获取模块,还用于当所述第一置信度不大于所述预设置信度阈值时,获取第二超平面的权重向量和偏置项,所述第二超平面与所述第一超平面不同;
所述计算模块,还用于根据所述指定向量以及所述第二超平面的权重向量和偏置项,执行计算所述指定数据的第二置信度的步骤。
11.一种计算置信度的装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
获取第一超平面的权重向量和偏置项,所述第一超平面用于区分不同类别的数据;
根据指定数据的指定向量、所述权重向量和所述偏置项,确定指定类别,所述指定类别为当前确定的所述指定数据所属的类别;
根据所述指定向量、所述权重向量和所述偏置项,计算所述指定数据与所述第一超平面之间的距离;
根据所述指定数据与所述第一超平面之间的距离,计算所述指定数据的第一置信度,所述第一置信度用于表示所述指定数据属于所述指定类别的概率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510205477.8A CN104850855B (zh) | 2015-04-27 | 2015-04-27 | 计算置信度的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510205477.8A CN104850855B (zh) | 2015-04-27 | 2015-04-27 | 计算置信度的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104850855A true CN104850855A (zh) | 2015-08-19 |
CN104850855B CN104850855B (zh) | 2018-06-12 |
Family
ID=53850490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510205477.8A Active CN104850855B (zh) | 2015-04-27 | 2015-04-27 | 计算置信度的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104850855B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832691A (zh) * | 2017-10-30 | 2018-03-23 | 北京小米移动软件有限公司 | 微表情识别方法及装置 |
CN108805211A (zh) * | 2018-06-15 | 2018-11-13 | 电子科技大学 | 基于机器学习的智能业务类型感知方法 |
CN110765870A (zh) * | 2019-09-18 | 2020-02-07 | 北京三快在线科技有限公司 | 一种ocr识别结果的置信度确定方法、装置及电子设备 |
CN112733669A (zh) * | 2020-12-30 | 2021-04-30 | 中国移动通信集团江苏有限公司 | 人工智能ai的识别方法、装置、设备及计算机存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004038649A1 (en) * | 2002-10-22 | 2004-05-06 | Thomson Licensing S.A. | Method and apparatus for calculating measure values of classification results |
CN102651072A (zh) * | 2012-04-06 | 2012-08-29 | 浙江大学 | 一种面向三维人体运动数据的分类方法 |
CN103839071A (zh) * | 2012-11-27 | 2014-06-04 | 大连灵动科技发展有限公司 | 一种基于模糊支持向量机的多分类方法 |
-
2015
- 2015-04-27 CN CN201510205477.8A patent/CN104850855B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004038649A1 (en) * | 2002-10-22 | 2004-05-06 | Thomson Licensing S.A. | Method and apparatus for calculating measure values of classification results |
CN102651072A (zh) * | 2012-04-06 | 2012-08-29 | 浙江大学 | 一种面向三维人体运动数据的分类方法 |
CN103839071A (zh) * | 2012-11-27 | 2014-06-04 | 大连灵动科技发展有限公司 | 一种基于模糊支持向量机的多分类方法 |
Non-Patent Citations (1)
Title |
---|
赵行: "SVM分类器置信度的研究", 《中国优秀硕士学位论文全文数据库.信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107832691A (zh) * | 2017-10-30 | 2018-03-23 | 北京小米移动软件有限公司 | 微表情识别方法及装置 |
CN107832691B (zh) * | 2017-10-30 | 2021-10-26 | 北京小米移动软件有限公司 | 微表情识别方法及装置 |
CN108805211A (zh) * | 2018-06-15 | 2018-11-13 | 电子科技大学 | 基于机器学习的智能业务类型感知方法 |
CN110765870A (zh) * | 2019-09-18 | 2020-02-07 | 北京三快在线科技有限公司 | 一种ocr识别结果的置信度确定方法、装置及电子设备 |
CN110765870B (zh) * | 2019-09-18 | 2021-01-12 | 北京三快在线科技有限公司 | 一种ocr识别结果的置信度确定方法、装置及电子设备 |
CN112733669A (zh) * | 2020-12-30 | 2021-04-30 | 中国移动通信集团江苏有限公司 | 人工智能ai的识别方法、装置、设备及计算机存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104850855B (zh) | 2018-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104105169B (zh) | 自动连接无线局域网的方法及装置 | |
CN105512685A (zh) | 物体识别方法和装置 | |
CN104899610A (zh) | 图片分类方法及装置 | |
CN105528606A (zh) | 区域识别方法及装置 | |
CN105094814A (zh) | 通知消息展示方法和装置 | |
CN104850828A (zh) | 人物识别方法及装置 | |
CN105095881A (zh) | 人脸识别方法、装置及终端 | |
CN105517112A (zh) | 显示WiFi网络信息的方法和装置 | |
CN106250921A (zh) | 图片处理方法及装置 | |
CN104298547A (zh) | 终端设置方法及装置 | |
CN105046231A (zh) | 人脸检测方法和装置 | |
CN104238912A (zh) | 应用控制方法及装置 | |
CN105354560A (zh) | 指纹识别方法及装置 | |
CN105404863A (zh) | 人物特征识别方法及系统 | |
CN105260360A (zh) | 命名实体的识别方法及装置 | |
CN105184313A (zh) | 分类模型构建方法及装置 | |
CN105139378A (zh) | 卡片边界检测方法及装置 | |
CN105139033A (zh) | 分类器构建方法及装置和图片处理方法及装置 | |
CN105335684A (zh) | 人脸检测方法及装置 | |
CN105335753A (zh) | 图像识别方法和装置 | |
CN104461348A (zh) | 信息选取方法及装置 | |
CN103886284A (zh) | 人物属性信息识别方法、装置及电子设备 | |
CN105528078A (zh) | 控制电子设备的方法及装置 | |
CN104077597A (zh) | 图像分类方法及装置 | |
CN105335714A (zh) | 照片处理方法、装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |