[發明專利]一種基于支持向量機的人像數據的分類方法

有效

• 申請號: 202110263319.3
• 申請日: 2021-03-11
• 公開（公告）號: CN112949522B
• 公開（公告）日: 2022-06-21
• 發明（設計）人: 何秦毅;夏書銀
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V40/16;G06N20/10
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 盧勝斌

1.一種基于支持向量機的人像數據的分類方法，其特征在于，包括以下步驟：

S1、獲取人像原始數據，采用基于完全隨機森林CRF去噪方法去除人像原始數據中的噪聲，得到低噪聲人像數據集；

S2、將低噪聲人像數據集作為支持向量機的訓練集輸入SVM中，SVM分類低噪聲人像數據，得到分類后的人像數據，并將分類后的人像數據作為人像識別的新訓練集；

步驟S1中，采用基于完全隨機森林CRF去噪方法去除人像原始數據中的噪聲，得到低噪聲人像數據集，包括以下過程：

S11、采用完全隨機決策樹CRDT方法構建完全隨機森林CRF，構建好的完全隨機森林CRF中包括無數棵CRDT決策樹，完全隨機決策樹中，一個葉子節點代表標簽屬性，決策樹的每個節點最多只能有兩個子節點；

S12、CRF中的類噪聲初檢測：對人像原始數據進行類噪聲初步檢測，得到CRF中所有葉子節點的噪聲強度值ni，設置整棵決策樹的噪聲強度閾值NI，比較每棵樹中的每個節點(x_j,y_j)的噪聲強度值x_j.ni和噪聲強度閾值NI，如果節點(x_j,y_j)中的噪聲強度值x_j.ni大于或等于噪聲強度閾值NI，即x_j.ni≥NI，則表明在樹t_k中該節點(x_j,y_j)初步判定為類噪聲，標記t_k(x_j)＝1；否則表明該節點(x_j,y_j)不是類噪聲，標記t_k(x_j)＝0；

按照此種方式對每一棵CRDT決策樹中的所有節點進行類噪聲初步檢測后，得到初步類噪聲檢測結果；

S13、CRF中的類噪聲確定：采用投票機制對初步類噪聲檢測結果中初步標記為類噪聲的節點進行類噪聲的再次判定，得到類噪聲集D_C；

S14、去除人像原始數據中的類噪聲：根據類噪聲集D_C，將樣本中的類噪聲去除，得到低噪聲人像數據集。

2.根據權利要求1所述的一種基于支持向量機的人像數據的分類方法，其特征在于，步驟S13中，CRF中的類噪聲確定的具體過程包括：

1)遍歷完全隨機森林CRF中的每一棵樹的每一個葉子節點(x_j,y_j)，用投票機制計算(x_i，y_i)節點在Ntree棵樹中被初步判定為類噪聲的總數T(x_j)，

2)判斷：若某節點(x_i,y_i)在大于等于一半以上的樹中被初步判定為類噪聲，則該節點就被最終確定為類噪聲節點，添加到類噪聲集D_C中，即將滿足下式的節點最終確定為類噪聲節點：

其中，1為噪聲，0為非噪聲；Ntree為包含節點(x_i,y_i)的CRDT樹的總數；T(x_j)為(x_i，y_i)節點在Ntree棵樹中被初步判定為類噪聲的總數。

3.根據權利要求1所述的一種基于支持向量機的人像數據的分類方法，其特征在于，CRDT決策樹中包括同類節點和異類節點，分別定義如下：同一類型的訓練集D＝{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)}，其中為訓練集D中的第i個樣本，y_i為第i個樣本對應的標簽，且y₁＝y₂＝…＝y_n＝C，C為某一常量；對于測試樣本(x_j,y_j)，若y_i＝C，則稱(x_j,y_j)與D中的點屬于同類節點；反之，若y_i≠C，則稱(x_j,y_j)與D中的點屬于異類節點。