[發(fā)明專利]基于同時(shí)融合多視角特征及多標(biāo)簽信息的支持向量機(jī)分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210452040.0
• 申請(qǐng)日: 2012-11-12
• 公開(kāi)（公告）號(hào): CN102982344A
• 公開(kāi)（公告）日: 2013-03-20
• 發(fā)明（設(shè)計(jì)）人: 方正;張仲非
• 申請(qǐng)（專利權(quán)）人: 浙江大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F17/30
• 代理公司: 杭州宇信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 33231
• 代理人: 張宇娟;施海寅

技術(shù)領(lǐng)域

本發(fā)明屬于標(biāo)簽技術(shù)領(lǐng)域，特別地涉及一種基于同時(shí)融合多視角特征及多標(biāo)簽信息的支持向量機(jī)分類方法。

背景技術(shù)

隨著信息時(shí)代的到來(lái)，各種數(shù)據(jù)以幾何級(jí)數(shù)爆發(fā)增長(zhǎng)。尤其是在互聯(lián)網(wǎng)領(lǐng)域，海量跨媒體數(shù)據(jù)已是人們關(guān)注和研究的熱點(diǎn)。例如，圖像數(shù)據(jù)結(jié)合文本標(biāo)簽數(shù)據(jù)的內(nèi)容理解和提取在互聯(lián)網(wǎng)信息搜索和數(shù)據(jù)挖掘應(yīng)用方面起到了至關(guān)重要的作用。而其中一個(gè)關(guān)鍵就是如何準(zhǔn)確地對(duì)具有多種特征的圖像進(jìn)行內(nèi)容分類。這些特征可以通過(guò)各種特征提取技術(shù)得到，比如圖像sift特征提取技術(shù)、HUE圖像顏色特征提取技術(shù)、Gabor圖像紋理提取技術(shù)。而在文本分析和內(nèi)容分類問(wèn)題中，一篇體育新聞的文章中往往附有比賽圖片、視頻、聲音等信息，同時(shí)這篇文章也可能被翻譯成了其他語(yǔ)言的文字。如何有效地提取和利用這些來(lái)自多種信息視角的特征，并且提高數(shù)據(jù)的分類準(zhǔn)確率，成了當(dāng)今計(jì)算機(jī)數(shù)據(jù)挖掘領(lǐng)域亟待解決的課題。

另一方面，在實(shí)際的數(shù)據(jù)挖掘分類問(wèn)題中，很多情況下數(shù)據(jù)對(duì)象在擁有通過(guò)不同途徑得到的多視角特征信息的同時(shí)，往往會(huì)有多個(gè)類屬標(biāo)簽與之關(guān)聯(lián)。這些標(biāo)簽反映了目標(biāo)對(duì)象的對(duì)應(yīng)屬性，是人們對(duì)這些數(shù)據(jù)內(nèi)容的概括或?qū)傩缘姆诸悺＠纾诙鄻?biāo)簽圖像數(shù)據(jù)的分類問(wèn)題中，一幅圖擁有類屬標(biāo)簽“山”、“湖水”、“船”。而一篇談?wù)撎O(píng)果公司產(chǎn)品的文章，可以具有“科技”、“經(jīng)濟(jì)”、“數(shù)碼產(chǎn)品”等分類標(biāo)簽。

現(xiàn)有的分類技術(shù)，都只關(guān)注了數(shù)據(jù)的多標(biāo)簽分類問(wèn)題或是數(shù)據(jù)的多視角信息特征分類的問(wèn)題，而忽視了如何將多視角信息特征和多標(biāo)簽信息有效融合起來(lái)提高分類問(wèn)題的準(zhǔn)確率。在傳統(tǒng)的多標(biāo)簽分類技術(shù)中，通常是把多標(biāo)簽問(wèn)題轉(zhuǎn)化為一對(duì)多One?Vs?All(OVA)的分類模式，即把多標(biāo)簽分類問(wèn)題分解為多個(gè)二分類問(wèn)題。但在這一多標(biāo)簽問(wèn)題的分解過(guò)程中，沒(méi)有考慮到多標(biāo)簽空間中的數(shù)據(jù)關(guān)聯(lián)信息。例如，一個(gè)已有內(nèi)容標(biāo)簽“山”、“湖泊”、“船”的圖片，它的內(nèi)容中有“人”的概率遠(yuǎn)遠(yuǎn)大于有“建筑樓”的概率。傳統(tǒng)的多標(biāo)簽分類器既沒(méi)有很好地利用這方面的信息，也沒(méi)考慮到利用數(shù)據(jù)多視角特征空間的關(guān)聯(lián)信息和冗余信息。同樣，在現(xiàn)有的多視角信息特征分類技術(shù)中，往往只注意多視角特征在特定標(biāo)簽上的分類一致性，而都忽視了多標(biāo)簽信息對(duì)于多視角特征的鑒別選擇作用。例如，“蘋(píng)果”標(biāo)簽在分類“紅蘋(píng)果”、“綠蘋(píng)果”和“紅旗”圖片的時(shí)候，會(huì)鑒別地選擇形狀特征，而顏色特征在根據(jù)“蘋(píng)果”這個(gè)概念進(jìn)行圖片分類時(shí)會(huì)產(chǎn)生干擾和影響。而且現(xiàn)有的多視角信息特征分類器直接將多種途徑得到的數(shù)據(jù)特征作為分類器的輸入，帶入了很多噪聲干擾和冗余信息，使得分類結(jié)果受到很大影響。

鑒于現(xiàn)有的多標(biāo)簽分類器和多視角特征分類器各自存在的缺點(diǎn)和不足，本發(fā)明提出的鑒別型支持向量機(jī)分類方法能夠同時(shí)融合多視角特征及多標(biāo)簽信息，把分類過(guò)程和特征融合過(guò)程結(jié)合起來(lái)提高分類準(zhǔn)確度，有效解決了實(shí)際數(shù)據(jù)挖掘應(yīng)用中多視角特征、多標(biāo)簽數(shù)據(jù)的智能分類和內(nèi)容識(shí)別問(wèn)題。

發(fā)明內(nèi)容

為解決上述問(wèn)題，本發(fā)明的目的在于提供一種基于同時(shí)融合多視角特征及多標(biāo)簽信息的支持向量機(jī)，用于提供一種技術(shù)在支持向量機(jī)分類的同時(shí)，學(xué)習(xí)得到新的數(shù)據(jù)空間里的一個(gè)統(tǒng)一的數(shù)據(jù)表達(dá)形式。數(shù)據(jù)的這種新的表達(dá)形式能夠有效地消除多種特征表達(dá)間的冗余，加強(qiáng)相互間的關(guān)聯(lián)輔助信息。由于在學(xué)習(xí)過(guò)程中引入了多標(biāo)簽信息的正則項(xiàng)調(diào)節(jié)因子，新的數(shù)據(jù)表達(dá)鑒別地選擇了多視角特征，從而進(jìn)一步提高了分類器的準(zhǔn)確率。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案為：

一種基于同時(shí)融合多視角特征及多標(biāo)簽信息的支持向量機(jī)分類方法，包括以下步驟S10至S30：

S10，輸入多視角特征訓(xùn)練數(shù)據(jù)以及每個(gè)數(shù)據(jù)所對(duì)應(yīng)的多標(biāo)簽信息，建立同時(shí)融合多視角特征及多標(biāo)簽信息的支持向量機(jī)MVMLSVM分類器的數(shù)學(xué)模型，設(shè)定各個(gè)項(xiàng)的對(duì)應(yīng)權(quán)重因子的值，其具體包括S101至S103，

S101，輸入給定的多視角特征數(shù)據(jù)以及每個(gè)數(shù)據(jù)的多標(biāo)簽信息，i∈{1，2，…，n}，v?∈{1，2，…，V}，l∈{1，2，…，L}，其中L是標(biāo)簽的種數(shù)，d_v是第v個(gè)視角特征的維度，表示數(shù)據(jù)在第l種標(biāo)簽上的類屬關(guān)系，值為+1表示數(shù)據(jù)屬于第l種標(biāo)簽，-1表示不屬于，采用矩陣形式來(lái)表達(dá)數(shù)據(jù)和數(shù)據(jù)所附有的標(biāo)簽信息，分別用X^v，v∈{1，2，…，V}和來(lái)表示，其中，的每一列屬于L維的標(biāo)簽空間即而的每一行的轉(zhuǎn)置后的列向量表示各個(gè)數(shù)據(jù)在第l種標(biāo)簽上的類屬關(guān)系，用Y^l表示，