[發明專利]一種基于K?means與深度學習的圖像分類算法

在審

• 申請號: 201611259889.0
• 申請日: 2016-12-30
• 公開（公告）號: CN106845528A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 王改華;李濤;呂朦;袁國亮
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 武漢開元知識產權代理有限公司42104
• 代理人: 王和平,劉琳

1.一種基于K-means與深度學習的圖像分類算法，其特征在于：包括如下步驟：

1)將無標簽圖像作為輸入圖像，并隨機抽取圖像塊構成大小相同的無標簽圖像集；

2)采用K-means算法提取一次最佳聚類中心；

3)構建特征映射函數，提取無標簽圖像集的圖像特征；

4)進行池化操作與歸一化處理；

5)采用K-means算法提取二次最佳聚類中心，并采用卷積操作，提取最終圖像特征，對最終圖像特征進行標準化處理；

6)通過分揀器對經過標準化處理的最終圖像特征進行分類。

2.根據權利要求1所述的一種基于K-means與深度學習的圖像分類算法，其特征在于：21)設定k個初始的聚類中心{μ₁,μ₂,μ₃…μ_k}，k為自然數，建立初始化的準則函數

$J\left(\mathrm{\μ}\right)=\underset{i=1}{\overset{n}{\Σ}}\left|\right|x^{\left(i\right)}-{\mathrm{\μ}}_j|{|}^2,$

其中，μ_j為每一個樣本x⁽ⁱ⁾對應的聚類中心，j＝1～k，i為自然數，且i＞j；x⁽ⁱ⁾表示n個無標簽圖像集中的樣本，n為自然數，表示無標簽圖像集中樣本的個數。

22)依次求取每一個樣本x⁽ⁱ⁾到所有初始的聚類中心{μ₁,μ₂,μ₃…μ_k}的距離的最小值，記為該樣本的類別標簽c⁽ⁱ⁾，將該樣本x⁽ⁱ⁾歸為c⁽ⁱ⁾類，再根據所述類別標簽c⁽ⁱ⁾更新計算聚類中心，得到過程聚類中心μ_j′，j＝1～k；

c⁽ⁱ⁾＝argmin||x⁽ⁱ⁾-μ′_j||

${\mathrm{\μ}}_j=\frac{{\Σ}_{i=1}^{n}1\{c^{\left(i\right)}=j\}{x}^{\left(i\right)}}{{\Σ}_{i=1}^{n}1\{c^{\left(i\right)}=j\}}$

23)將所有所述過程聚類中心μ′_j帶入準則函數計算，判斷準則函數是否收斂，否則返回步驟22)，是則將至步驟24)；

24)將過程聚類中心μ′_j確定為一次最佳聚類中心{μ′₁,μ′₂,μ′₃…μ′_k}，將每一個樣本x⁽ⁱ⁾歸類至距離最近的聚類中心，記為x_j⁽ⁱ⁾，每一個樣本x⁽ⁱ⁾到距離最近的聚類中心的類別標簽記為c_j⁽ⁱ⁾。