[發(fā)明專利]一種基于自步約束機制的可監(jiān)督圖像分類方法

在審

• 申請?zhí)枺?/td>: 201910283982.2
• 申請日: 2019-04-10
• 公開（公告）號: CN110009049A
• 公開（公告）日: 2019-07-12
• 發(fā)明（設(shè)計）人: 張濤;于宏斌;馮長安;葛格;石慧;許志強;崔光明;潘詳
• 申請（專利權(quán)）人: 江南大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京禹為知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 32272
• 代理人: 王曉東

1.一種基于自步約束機制的可監(jiān)督圖像分類方法，其特征在于：包括，

劃分訓(xùn)練樣本難易種類；

建立稀疏表示模型，并樣本帶入稀疏表示模型訓(xùn)練；

獲取圖像分類模型和預(yù)測模型；以及，

構(gòu)建類別決策器；

其中，所述訓(xùn)練樣本難易種類包括訓(xùn)練易樣本和訓(xùn)練難樣本。

2.如權(quán)利要求1所述的基于自步約束機制的可監(jiān)督圖像分類方法，其特征在于：所述劃分訓(xùn)練樣本難易種類采用自步約束矩陣劃分。

3.如權(quán)利要求2所述的基于自步約束機制的可監(jiān)督圖像分類方法，其特征在于：所述自步約束矩陣V為：

其中，a_i,j表示一個屬于第i類的第j個訓(xùn)練樣本，i＝1,...,K，j＝1,...,n_i，K是類的總數(shù)，y表示測試樣本，λ為參數(shù)，V(ii)＝1表示訓(xùn)練易樣本，V(ii)＝0表示訓(xùn)練難樣本。

4.如權(quán)利要求1～3任一所述的基于自步約束機制的可監(jiān)督圖像分類方法，其特征在于：所述稀疏表示模型為與自步約束正則化相關(guān)的模型。

5.如權(quán)利要求4所述的基于自步約束機制的可監(jiān)督圖像分類方法，其特征在于：所述稀疏表示模型定義為：

其中，學(xué)習(xí)詞典中的類標(biāo)簽表示為D＝[D₁,D₂,...,D_K]，其K表示字典D的類個數(shù)，D_i是與類i關(guān)聯(lián)的子集，A_i表示輸入的訓(xùn)練樣本數(shù)據(jù)，A＝[A₁,A₂,...,A_i],A_i＝[a_i1,a_i2,...,a_in]，X_i是D中A_i的子矩陣，表示A_i的系數(shù)，W_i表示訓(xùn)練樣本a_i,j和測試樣本y之間的歐幾里得距離，α表示自步約束學(xué)習(xí)的加權(quán)系數(shù)，V表示自步約束矩陣，λ₁，λ₂，ξ₁，ξ₂，ξ₃是尺度調(diào)整參數(shù)。

6.如權(quán)利要求5所述的基于自步約束機制的可監(jiān)督圖像分類方法，其特征在于：所述獲取圖像分類模型和預(yù)測模型的步驟包括：

訓(xùn)練訓(xùn)練易樣本；

更新X；

獲取稀疏代碼X、系數(shù)代碼D和自步約束的加權(quán)系數(shù)α；

確定圖像分類模型和預(yù)測模型。

7.如權(quán)利要求6所述的基于自步約束機制的可監(jiān)督圖像分類方法，其特征在于：所述更新X的步驟包括：固定字典D和α，公式(2)進一步重寫為：

即，

8.如權(quán)利要求7所述的基于自步約束機制的可監(jiān)督圖像分類方法，其特征在于：所述獲取稀疏代碼X、系數(shù)代碼D和自步約束的加權(quán)系數(shù)α的步驟包括：更新D＝[D₁,D₂,......,D_K]，Z和α固定時獲得，即公式(2)為：

其中，

即公式(4)為：

其中，

9.如權(quán)利要求8所述的基于自步約束機制的可監(jiān)督圖像分類方法，其特征在于：所述確定預(yù)測模型e_i采用如下公式：

其中，是自步約束的系數(shù)，m_i表示類A_i的系數(shù)向量，β₁和β₂表示分類模型的預(yù)設(shè)值。

10.如權(quán)利要求9所述的基于自步約束機制的可監(jiān)督圖像分類方法，其特征在于：所述類別決策器采用如下公式：

identity(y)＝arg min_i{e_i}。