[發(fā)明專利]一種基于非對稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法

在審

• 申請?zhí)枺?/td>: 201710271412.2
• 申請日: 2017-04-24
• 公開（公告）號: CN107423749A
• 公開（公告）日: 2017-12-01
• 發(fā)明（設(shè)計(jì)）人: 吳健;張宇;徐在俊
• 申請（專利權(quán)）人: 蘇州融希信息科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京集佳知識產(chǎn)權(quán)代理有限公司11227
• 代理人: 羅滿

技術(shù)領(lǐng)域

本發(fā)明涉及多標(biāo)簽主動(dòng)學(xué)習(xí)技術(shù)領(lǐng)域，特別是涉及一種基于非對稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法。

背景技術(shù)

隨著計(jì)算機(jī)的快速發(fā)展，多標(biāo)簽圖像分類的研究已經(jīng)成為相關(guān)領(lǐng)域研究的熱點(diǎn)，在學(xué)術(shù)界和企業(yè)界受到越來越多的關(guān)注。多標(biāo)簽主動(dòng)學(xué)習(xí)方法的作用是處理多標(biāo)簽圖像的分類問題，即通過學(xué)習(xí)得到一個(gè)分類器，該分類器能夠根據(jù)圖像的內(nèi)容為圖像分配多個(gè)相關(guān)的標(biāo)簽。

目前，多標(biāo)簽主動(dòng)學(xué)習(xí)領(lǐng)域的研究的主流是針對基于“樣本-標(biāo)簽對”的多標(biāo)簽主動(dòng)學(xué)習(xí)方法的研究。因?yàn)橄啾容^基于“樣本”的多標(biāo)簽主動(dòng)學(xué)習(xí)方法，基于“樣本-標(biāo)簽對”的多標(biāo)簽主動(dòng)學(xué)習(xí)方法不僅能更大程度上提升主動(dòng)學(xué)習(xí)效率，降低訓(xùn)練集空間的樣本冗余，也能最大程度上降低人工標(biāo)記的代價(jià)，因此基于“樣本-標(biāo)簽對”的多標(biāo)簽主動(dòng)學(xué)習(xí)方法逐漸成為研究的熱點(diǎn)之一。

訓(xùn)練樣本中標(biāo)簽間依賴關(guān)系在很大程度上影響著多標(biāo)簽主動(dòng)學(xué)習(xí)的采樣策略，進(jìn)而影響主動(dòng)學(xué)習(xí)結(jié)果。目前，關(guān)于標(biāo)簽間依賴關(guān)系的研究大致可以分成兩類：條件依賴關(guān)系和非條件依賴關(guān)系。所有的依賴關(guān)系都是用于標(biāo)識標(biāo)簽間是否存在關(guān)系，以及存在這種關(guān)系的相關(guān)程度。然而，在現(xiàn)實(shí)生活中，標(biāo)簽間的依賴關(guān)系往往不是僅僅的相關(guān)或者不相關(guān)關(guān)系，一種比較常見的標(biāo)簽關(guān)系有從屬關(guān)系或樹狀關(guān)系。由此可見，標(biāo)簽間的依賴關(guān)系往往具有不對稱性，而不僅僅是所謂的相關(guān)關(guān)系或不相關(guān)關(guān)系。

因此，如何挖掘這種非對稱的條件依賴關(guān)系，以及將其用于指導(dǎo)主動(dòng)學(xué)習(xí)過程，是一個(gè)十分值得研究的問題。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于非對稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法，用于利用標(biāo)簽間的非對稱條件依賴關(guān)系指導(dǎo)半監(jiān)督主動(dòng)學(xué)習(xí)的采樣過程。

為解決上述技術(shù)問題，本發(fā)明提供一種基于非對稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法，包括：

獲取原始樣本對應(yīng)的標(biāo)簽集合，計(jì)算所述標(biāo)簽集合中各標(biāo)簽與其余標(biāo)簽的非對稱條件依賴關(guān)系以得到所述標(biāo)簽集合對應(yīng)的非對稱條件依賴矩陣；

對所述非對稱條件依賴矩陣歸一化處理得到對應(yīng)的權(quán)重矩陣；

通過所述權(quán)重矩陣上的各元素計(jì)算各樣本-標(biāo)簽對的信息量；

篩選出信息量最大的樣本-標(biāo)簽對作為預(yù)先建立的半監(jiān)督主動(dòng)學(xué)習(xí)模型的輸入對象，并進(jìn)行主動(dòng)學(xué)習(xí)。

優(yōu)選地，所述計(jì)算所述標(biāo)簽集合中各標(biāo)簽與其余標(biāo)簽的非對稱條件依賴關(guān)系以得到所述標(biāo)簽集合對應(yīng)的非對稱條件依賴矩陣具體包括：

在所述標(biāo)簽集合中按照預(yù)處理規(guī)則篩選出存在依賴關(guān)系的各對標(biāo)簽；

分別為各對標(biāo)簽構(gòu)建多個(gè)基于概率分布的二類分類器模型；

在所述標(biāo)簽集合上進(jìn)行k次交叉驗(yàn)證，分別獲取各所述二類分類器模型與對應(yīng)的標(biāo)簽的k次平均分類準(zhǔn)確率；

按照T-檢驗(yàn)計(jì)算各標(biāo)簽得到的所述k次分均分類準(zhǔn)確率的T-檢驗(yàn)值以作為所述依賴結(jié)果將各所述依賴結(jié)果組成所述非對稱條件依賴矩陣。

優(yōu)選地，所述二類分類器模型的數(shù)量為四個(gè)。

優(yōu)選地，所述權(quán)重矩陣具體通過計(jì)算所述非對稱條件依賴矩陣中各標(biāo)簽與其余標(biāo)簽的影響權(quán)重得到；

其中，任意標(biāo)簽與自身標(biāo)簽的影響權(quán)重為1。

優(yōu)選地，所述信息量具體通過所述權(quán)重矩陣上的交叉標(biāo)簽的不確定性得到。

本發(fā)明所提供的基于非對稱條件依賴標(biāo)簽集的多標(biāo)簽主動(dòng)學(xué)習(xí)方法，首先挖掘出弱標(biāo)記條件下的各標(biāo)簽與其余標(biāo)簽的非對稱條件依賴關(guān)系以得到非對稱條件依賴矩陣，并在非對稱條件依賴標(biāo)簽集的基礎(chǔ)上，計(jì)算各樣本-標(biāo)簽對的信息量，最后篩選出信息量最大的樣本-標(biāo)簽對作為半監(jiān)督主動(dòng)學(xué)習(xí)模型的輸入對象。通過實(shí)驗(yàn)表明，利用非對稱條件依賴標(biāo)簽集進(jìn)行主動(dòng)學(xué)習(xí)的方法相對于其他弱標(biāo)記條件下挖掘標(biāo)簽間關(guān)系的方法具有良好的泛化性能。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例，下面將對實(shí)施例中所需要使用的附圖做簡單的介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例提供的一種基于非對稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法的流程圖；

圖2為本發(fā)明實(shí)施例提供的一種標(biāo)簽間的層次標(biāo)簽關(guān)系的示意圖；

圖3為本發(fā)明實(shí)施例提供的另一種標(biāo)簽間的層次標(biāo)簽關(guān)系的示意圖；

圖4為本發(fā)明實(shí)施例提供的一種標(biāo)簽間的從屬標(biāo)簽關(guān)系的示意圖；

圖5為本發(fā)明實(shí)施例提供的一種弱標(biāo)記條件下的各對標(biāo)簽的非對稱條件依賴關(guān)系的挖掘示意圖；

圖6為本發(fā)明實(shí)施提供的一種先驗(yàn)標(biāo)簽集的示意圖；