[發(fā)明專利]一種最小距離分類方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202010210657.6
• 申請(qǐng)日: 2020-03-24
• 公開（公告）號(hào): CN111091163B
• 公開（公告）日: 2021-05-11
• 發(fā)明（設(shè)計(jì)）人: 周才健;周柔剛;楊亮亮;盛錦華
• 申請(qǐng)（專利權(quán)）人: 杭州匯萃智能科技有限公司;蘇州匯萃智能科技有限公司;金華匯萃智能科技有限公司;廣東廣源智能科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 杭州華知專利事務(wù)所(普通合伙) 33235
• 代理人: 李姣姣

1.一種最小距離分類方法，其特征在于，所述方法包括：

獲取訓(xùn)練樣本數(shù)據(jù)集；所述訓(xùn)練樣本數(shù)據(jù)集包括多個(gè)類別，每個(gè)類別包括多個(gè)訓(xùn)練樣本，每個(gè)所述訓(xùn)練樣本都帶有類別標(biāo)簽，每個(gè)所述訓(xùn)練樣本包括多個(gè)特征向量和所述特征向量的值；其中，所述訓(xùn)練樣本數(shù)據(jù)集包括對(duì)分類器進(jìn)行訓(xùn)練的樣本數(shù)據(jù)，所述樣本數(shù)據(jù)為從圖像中分離出包括多個(gè)特征的訓(xùn)練樣本；

根據(jù)所述訓(xùn)練樣本數(shù)據(jù)集計(jì)算分類參數(shù)；其中，所述分類參數(shù)包括用于計(jì)算加權(quán)標(biāo)準(zhǔn)化修正距離的各類別的所述特征向量對(duì)應(yīng)的中心特征向量、各特征向量的總體均值和各特征向量的總體標(biāo)準(zhǔn)差；

根據(jù)所述分類參數(shù)構(gòu)建分類器；

將測(cè)試樣本的所述特征向量輸入所述分類器，得到所述測(cè)試樣本的預(yù)測(cè)類別；

其中，所述特征向量的總體均值等于所有訓(xùn)練樣本的該特征向量的均值，所述特征向量的總體標(biāo)準(zhǔn)差等于所有訓(xùn)練樣本的該特征向量的標(biāo)準(zhǔn)差，所述中心特征向量根據(jù)所述特征向量、所述特征向量的總體均值和所述特征向量的總體標(biāo)準(zhǔn)差計(jì)算得到；

其中，所述根據(jù)所述訓(xùn)練樣本數(shù)據(jù)集計(jì)算分類參數(shù)，包括：根據(jù)所述訓(xùn)練樣本數(shù)據(jù)集中每個(gè)所述特征向量的值，計(jì)算每個(gè)所述特征向量的總體均值和總體標(biāo)準(zhǔn)差；

在根據(jù)所述訓(xùn)練樣本數(shù)據(jù)集中每個(gè)所述特征向量的值，計(jì)算每個(gè)所述特征向量的總體均值和總體標(biāo)準(zhǔn)差之后，包括：

根據(jù)每個(gè)類別中所有訓(xùn)練樣本中每個(gè)所述特征向量的值、每個(gè)所述特征向量的總體均值和每個(gè)所述特征向量的總體標(biāo)準(zhǔn)差，計(jì)算每個(gè)類別的每個(gè)所述特征向量對(duì)應(yīng)的中心特征向量；其中，所述中心特征向量用于計(jì)算加權(quán)標(biāo)準(zhǔn)化修正距離；

根據(jù)每個(gè)所述類別的所有訓(xùn)練樣本的所有所述特征向量的值、所有所述特征向量的總體均值、所有所述特征向量的總體標(biāo)準(zhǔn)差和每個(gè)所述類別中所有所述特征向量對(duì)應(yīng)的中心特征向量，計(jì)算每個(gè)類別的聚集緊密程度標(biāo)準(zhǔn)差；具體為：

訓(xùn)練樣本中第i個(gè)訓(xùn)練樣本與其所屬類別k的中心特征向量m_k間的加權(quán)距離為：

其中，j為特征向量，J為特征向量總個(gè)數(shù)，X_ij為第i個(gè)訓(xùn)練樣本第j個(gè)特征向量的標(biāo)準(zhǔn)化值，W_j為第j個(gè)特征向量的權(quán)重；

根據(jù)加權(quán)距離計(jì)算類別k的“樣本-中心距離”均值：

根據(jù)加權(quán)距離和“樣本-中心距離”均值計(jì)算類別k的聚集緊密程度標(biāo)準(zhǔn)差：

其中，k為類別，K為類別總個(gè)數(shù)，i為訓(xùn)練樣本，n_k為訓(xùn)練樣本總個(gè)數(shù)，j為特征向量，J為特征向量總個(gè)數(shù)；

其中，所述將測(cè)試樣本的所述特征向量輸入所述分類器，得到所述測(cè)試樣本的預(yù)測(cè)類別，包括：

獲取測(cè)試樣本的特征向量的值；

根據(jù)所述測(cè)試樣本的所述特征向量的值、所述測(cè)試樣本的所述特征向量的總體均值和所述測(cè)試樣本的所述特征向量的總體標(biāo)準(zhǔn)差，計(jì)算所述測(cè)試樣本的所述特征向量的特征向量標(biāo)準(zhǔn)化值；

根據(jù)所述測(cè)試樣本的所有所述特征向量的特征向量標(biāo)準(zhǔn)化值、所述測(cè)試樣本的所有所述特征向量的權(quán)重、所述測(cè)試樣本的所有所述特征向量在每個(gè)所述類別中對(duì)應(yīng)的中心特征向量和每個(gè)類別的聚集緊密程度標(biāo)準(zhǔn)差，計(jì)算所述測(cè)試樣本的所有所述特征向量與每個(gè)類別的加權(quán)標(biāo)準(zhǔn)化修正距離；

選取最小的加權(quán)標(biāo)準(zhǔn)化修正距離對(duì)應(yīng)的所述類別作為所述測(cè)試樣本的預(yù)測(cè)類別。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在根據(jù)每個(gè)類別中所有訓(xùn)練樣本中每個(gè)所述特征向量的值、每個(gè)所述特征向量的總體均值和每個(gè)所述特征向量的總體標(biāo)準(zhǔn)差，計(jì)算每個(gè)類別的每個(gè)所述特征向量對(duì)應(yīng)的中心特征向量之后，包括：

根據(jù)所有所述類別的所有所述訓(xùn)練樣本的每個(gè)所述特征向量的值、每個(gè)所述特征向量的總體均值、每個(gè)所述特征向量的總體標(biāo)準(zhǔn)差和所有所述類別的每個(gè)所述特征向量對(duì)應(yīng)的中心特征向量，計(jì)算每個(gè)所述特征向量的權(quán)重。