[發(fā)明專利]基于半監(jiān)督的垃圾圖片過濾方法

有效

• 申請?zhí)枺?/td>: 201210129234.7
• 申請日: 2012-04-28
• 公開（公告）號: CN102663435A
• 公開（公告）日: 2012-09-12
• 發(fā)明（設(shè)計(jì)）人: 張衛(wèi)豐;胡文婷;張迎周;周國強(qiáng);王慕妮;錢小燕;許碧歡;陸柳敏
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 葉連生

1.一種基于半監(jiān)督的垃圾圖片過濾方法，其特征在于該方法主要包括以下幾個(gè)部分：圖片中的文本、圖片特征提取及處理，預(yù)測樣本點(diǎn)的選擇，支持向量機(jī)分類器的訓(xùn)練；?

步驟1）提取未標(biāo)簽和已標(biāo)簽圖片樣本中的文本特征向量：??

步驟1.1）利用光學(xué)識別技術(shù)對樣本集合中的圖片進(jìn)行批量處理，得到圖片中的文字，

步驟1.2）用懷卡智能分析環(huán)境對步驟1.1）中的結(jié)果進(jìn)行處理，得到.arff格式的文件，文件中每一行的第一列代表一個(gè)圖像中的文字，第二列代表一個(gè)圖像的標(biāo)簽，作為圖像的文本特征向量，

步驟1.3）計(jì)算文本特征向量的R值，得到經(jīng)過處理的文本特征向量，計(jì)算公式如下：

?????(1)

其中t是一個(gè)特征，C是目標(biāo)分類，是非目標(biāo)分類，r是一個(gè)可調(diào)因子，在0到1間取值，是t在C中出現(xiàn)的概率，是t在中出現(xiàn)的概率，計(jì)算如下：

??????????(2)

?????????(3)

其中和分別是在C和中有t出現(xiàn)的文檔的個(gè)數(shù)，和別是C和中的文檔數(shù)；

步驟2）提取圖片特征向量：

采用“健壯特征的加速提取算法”提取樣本圖片的局部不變特征描述符，構(gòu)成圖片特征向量；

步驟3）主動學(xué)習(xí)提取預(yù)測樣本：

步驟3.1）用已標(biāo)簽的圖片集對支持向量機(jī)進(jìn)行訓(xùn)練，得到一個(gè)支持向量分類器，

步驟3.2）設(shè)支持向量機(jī)的線性函數(shù)為g(x)=?w(x)+b，其中x是樣本點(diǎn)的向量表示，w，b為常數(shù)，

步驟3.3）定義一個(gè)樣本點(diǎn)到線性函數(shù)的距離為，并根據(jù)該公式計(jì)算未標(biāo)簽數(shù)據(jù)集中圖片樣本點(diǎn)的距離，選擇距離最近的未標(biāo)簽的樣本加入訓(xùn)練集，以此得到更新后的訓(xùn)練集；

步驟4）訓(xùn)練支持向量機(jī)：

用更新后的訓(xùn)練集，對原支持向量機(jī)算法模型進(jìn)行訓(xùn)練，當(dāng)訓(xùn)練所得支持向量機(jī)的分類精確度與訓(xùn)練前分類器精確度趨于一致時(shí)，分類器已趨于穩(wěn)定，此時(shí)，停止訓(xùn)練；否則，返回步驟3.3）計(jì)算得到離超平面最近的樣本點(diǎn)，計(jì)入并更新訓(xùn)練集合，繼續(xù)訓(xùn)練分類器，直至分類器趨于穩(wěn)定；

步驟5）用最終訓(xùn)練得到的分類器對未標(biāo)簽樣本集合進(jìn)行分類，得到高精確且穩(wěn)定的分類結(jié)果。