[發明專利]基于主動學習和半監督學習的多類圖像分類方法無效
| 申請號： | 201010184378.3 | 申請日： | 2010-05-20 |
| 公開（公告）號： | CN101853400A | 公開（公告）日： | 2010-10-06 |
| 發明（設計）人： | 曹永鋒;陳榮;殷慧 | 申請（專利權）人： | 武漢大學 |
| 主分類號： | G06K9/66 | 分類號： | G06K9/66 |
| 代理公司： | 武漢科皓知識產權代理事務所(特殊普通合伙) 42222 | 代理人： | 張火春 |
| 地址： | 430072*** | 國省代碼： | 湖北;42 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 主動 學習 監督 圖像 分類 方法 | ||
1.一種基于主動學習和半監督學習的多類圖像分類方法，其特征在于，包括以下步驟：
①初始樣本選擇及分類器模型訓練：從未標注樣本集中隨機選擇一部分圖像進行人工標注，以這一部分帶有類別標號信息的樣本作為訓練樣本，訓練支持向量機分類器的分類模型；
②基于最優標號和次優標號的主動學習樣本選擇：根據支持向量機分類器的分類模型，利用基于最優標號和次優標號的主動學習準則選擇分類不確定性最高的一部分樣本，由用戶對這一部分樣本進行人工標注；
③帶約束條件的自訓練半監督學習：對圖像集中剩余的未標注樣本，根據當前的分類器模型計算其最優標號的概率，并計算其余訓練樣本集中所有由用戶人工標注的樣本之間的距離，通過帶約束條件的自訓練半監督學習選擇一部分樣本，將這一部分樣本的最優標號作為其類別標號；
④訓練樣本集及分類器模型更新：將步驟②和步驟③中選出的樣本，連同已經獲得的類別標號，加入到當前訓練樣本集，對訓練樣本集進行更新，用更新后的訓練樣本集重新訓練支持向量機分類器模型；
⑤分類過程迭代：利用步驟④中所得支持向量機的分類模型，對測試圖像集中的圖像的類別標號進行預測，對輸出分類結果進行迭代，直到測試圖像集上的分類準確率滿足分類精度要求。
2.根據權利要求1所述的基于主動學習和半監督學習的多類圖像分類方法，其特征在于：
所述步驟②中，基于最優標號和次優標號的主動學習樣本選擇進一步包括以下子步驟：
根據當前支持向量機分類器的分類模型，對未標注樣本集的每個樣本的類別進行預測，得到其屬于各個可能的類別的概率p(yi|x)；
計算樣本的最優標號的概率與次優標號的概率，利用基于最優標號和次優標號的主動學習準則選擇兩者差值最小的一部分樣本，由用戶對這一部分樣本進行人工標注。
3.根據權利要求1或2所述的基于主動學習和半監督學習的多類圖像分類方法，其特征在于：
所述步驟③中，帶約束條件的自訓練半監督學習進一步包括以下子步驟：
對圖像集中剩余的未標注樣本，根據當前的分類器模型計算其最優標號的概率，并計算其與訓練樣本集中所有由用戶人工標注的樣本之間的距離；
通過閾值約束和空間位置關系約束這兩個約束，選擇一部分滿足條件的樣本；
將上述樣本按照其各自對應的最優標號的概率從小到大進行排列，選擇一部分最靠前的樣本，根據當前的分類器模型進行自動標注。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于武漢大學，未經武漢大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201010184378.3/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：富鈣咸水及灌溉富鈣咸水降低土壤鹽的方法
- 下一篇：空氣制取液態水的裝置
