[發明專利]一種基于Triple-GAN的分類方法

有效

• 申請號: 201810330974.4
• 申請日: 2018-04-13
• 公開（公告）號: CN108520282B
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 歐陽建權;方昆;唐歡容
• 申請（專利權）人: 湘潭大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京卓恒知識產權代理事務所(特殊普通合伙) 11394
• 代理人: 徐樓

1.一種基于Triple-GAN的分類方法，該方法包括以下步驟：

1)獲取真實樣本；基于Triple-GAN構建三人游戲模型，三人游戲模型由分類器(C)、生成器(G)、判別器(D)組成；將真實樣本序列化后輸入到分類器(C)中；判別器(D)由一個基于二叉決策樹預測分析隨機森林構成，其中隨機森林由m棵樹組成，其中：n為真實樣本的個數，h為二叉決策樹高度，h為大于等于3的整數；形成2^h-1*m個葉子節點，將葉子節點作為真實樣本標簽；

2)基于Triple-GAN構建分布的分類器(C)、生成器(G)、判別器(D)的目標函數；具體為：將生成器聯合分布Pg(x,y)和分類器聯合分布Pc(x,y)輸入到判別器(D)中，根據生成數據x對應的葉子節點和類標簽y的分類器聯合分布Pc(x,y)和分布計算出最優化的目標函數；其中，設定分類器(C)、生成器(G)、判別器(D)目標函數如下：

其中：x表示生成數據，y表示類標簽，z表示生成數據x對應的葉子節點；a表示生成器(G)對生成數據進行編碼，a∈{-1,0,1}；b表示分類器(C)對類標簽進行編碼，b∈{-1,0,1}；c表示生成器(G)對生成數據通過目標函數判別最優的欺騙樣本數據，c∈{-1,0,1}；此公式中：E_{(x,y)～p(x,y)}表示標簽對(x,y)在判別器(D)中聯合分布p(x,y)的期望值；D(x,y)表示判別器中標簽對(x,y)的真實樣本標簽對偽標簽的概率；表示標簽對(x,y)在分類器(C)中聯合分布Pc(x,y)的期望值；表示標簽對(x,y)在生成器(G)中聯合分布Pg(x,y)的期望值；G(y,z)表示生成器中標簽對(y,z)在樣本空間的映射，D(G(y,z),y)表示判別器中標簽對(y,z)的生成樣本對真實樣本的概率；R_c表示平衡函數；α是調節參數，α∈{0,1}；

3)將訓練樣本輸入到生成器(G)中，形成生成數據；根據目標函數區分真實樣本標簽和生成數據的差距，當目標函數達到平衡時，將生成數據標記標簽，通過標記的標簽對圖像(也就是生成數據)進行分類。

2.根據權利要求1所述的分類方法，其特征在于：步驟1)具體為：

101)下載minist、svhn、cifar10中的一種或多種圖像，作為真實樣本，序列化后，輸入到分類器(C)中；

102)三人游戲模型根據隨機森林算法構建二叉決策樹，將n個真實樣本分配到m顆決策樹中；

103)將m棵決策樹的葉子節點標記標簽，形成類標簽y。

3.根據權利要求1所述的分類方法，其特征在于：步驟3)具體為：

301)下載minist、svhn、cifar10中的一種或多種圖像，作為訓練樣本；

302)將訓練樣本進行序列化形成生成數據x，將生成數據x作為訓練集數據輸入到生成器(G)中；

303)利用類標簽y和生成數據x組成聯合分布；

304)根據目標函數區分生成數據x和類標簽y的差距，當目標函數達到平衡時，將生成數據x標記標簽，通過標記的標簽對圖像(也就是生成數據)進行分類。

4.根據權利要求3所述的分類方法，其特征在于：利用類標簽y和生成數據x組成聯合分布，具體步驟如下：

(1)生成數據x和類標簽y在生成器(G)中組成生成器聯合分布Pg(x,y)；

(2)根據隨機森林算法構建二叉決策樹邏輯對生成器聯合分布Pg(x,y)的進行判斷：

當生成器聯合分布Pg(x,y)的內容與決策樹一致時，進入下一分支進行判斷，直到找到所有生成數據x對應的葉子節點，構建生成數據x對應的葉子節點和類標簽y的分類器聯合分布Pc(x,y)；

當生成器聯合分布Pg(x,y)的內容與決策樹不一致時，則進入下一棵森林決策樹，迭代步驟(2)的過程，直到找到所有生成數據x對應的葉子節點。

5.根據權利要求1-4中任一項所述的分類方法，其特征在于：a取值為-1，b取值為1，c取值為0，即b-c＝1、b-a＝2；平衡函數目標函數滿足最小化散度分布；其中：p是判別器的概率聯合分布，Pc是分類器的概率聯合分布。