[發明專利]一種數據的分類方法、裝置及存儲介質

有效

• 申請號: 201711489062.3
• 申請日: 2017-12-29
• 公開（公告）號: CN108108769B
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 奚曉鈺;李琳;周冰;鄧凱庭
• 申請（專利權）人: 咪咕文化科技有限公司;中國移動通信集團公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京派特恩知識產權代理有限公司 11270
• 代理人: 張振偉;張穎玲

本發明公開了一種數據的分類方法，所述方法包括：獲取圖像數據庫中每個視圖在投影空間分別對應的投影矩陣；根據所述投影矩陣對待測試樣本進行迭代計算，得到所述待測試樣本的樣本特征數據；根據所述樣本特征數據對所述待測試樣本進行數據分類，得到所述待測試樣本的分類信息；根據所述分類信息，確定所述待測試樣本所屬的類別。本發明還同時公開了一種數據的分類裝置及存儲介質。

技術領域

本發明涉及數據分類技術，具體涉及一種數據分類方法、裝置及存儲介質。

背景技術

目前對多視圖問題進行研究解決，最重要的是得到多視圖中便于進行特征選擇的公共空間。首先被提出的方法就是典型相關分析，以及它在非線性核化方面的擴展變化。典型相關分析方法也是最典型的研究兩個視圖的方法。該方法學習到兩個變換，兩個變換都是通過最大化兩個視圖之間的交叉相關特性來獲得。一個變換對應一個視圖，把每個視圖的樣本都分別投影到學習到的一個公共空間。

而另一種被提出了一種改進的人臉識別方法，可以用來處理多姿態、低分辨率和草圖的問題。該方法應用偏最小二乘回歸將兩個視圖的樣本投影到一個公共的潛在子空間，在這個子空間里，一個視圖的樣本作為回歸量，另一個視圖的樣本作為響應。

但是，盡管兩個視圖之間的差異都可以通過上述方法最小化，但是對于多視圖的特征提取，現有多視圖技術沒有直接地考慮到鑒別信息，即樣本的標記信息。在很多情況下，有標記的樣本一般只有很小的數量，而未標記的樣本數據似乎都是“無限多”。而現有方案在多視圖中沒有完善考慮如何充分利用有限的有標記數據和大量的未標記圖像，來提高圖像自動識別的性能。

發明內容

為解決現有存在的技術問題，本發明實施例期望提供一種數據的分類方法、裝置及存儲介質，能夠提高圖像自動識別的效率。

本發明實施例的技術方案是這樣實現的：

根據本發明實施例的一方面，提供一種數據的分類方法，所述方法包括：

獲取圖像數據庫中每個視圖在投影空間分別對應的投影矩陣；

根據所述投影矩陣對待測試樣本進行迭代計算，得到所述待測試樣本的樣本特征數據；

根據所述樣本特征數據對所述待測試樣本進行數據分類，得到所述待測試樣本的分類信息；

根據所述分類信息，確定所述待測試樣本所屬的類別。

上述方案中，所述獲取圖像數據庫中每個視圖在投影空間分別對應的投影矩陣，包括：

對圖像數據庫中的每個視圖進行樣本訓練，得到每個視圖的訓練模型；

根據所述訓練模型獲取所述圖像數據庫中每個視圖在投影空間分別對應的投影矩陣。

上述方案中，所述投影矩陣中至少包括樣本投影矩陣；

所述根據所述樣本特征數據對所述待測試樣本進行數據分類，包括：

使用所述樣本投影矩陣對所述待測試樣本進行投影，得到投影后的所述待測試樣本的樣本特征數據；

根據投影后的所述待測試樣本的樣本特征數據對所述待測試樣本數據進行分類。

上述方案中，所述投影矩陣中至少包括標簽投影矩陣；

所述根據所述樣本特征數據對所述待測試樣本進行數據分類，包括：

根據所述標簽投影矩陣對所述待測試樣本進行計算，得到表征所述待測試樣本所屬類別的標簽；

根據所述標簽對所述待測試樣本進行數據分類。

上述方案中，在根據所述樣本特征數據對所述待測試樣本進行數據分類之前，所述方法還包括：