[發(fā)明專利]一種基于PageRank和互信息的多標簽分類器鏈圖像識別方法

在審

• 申請?zhí)枺?/td>: 202211675671.9
• 申請日: 2022-12-26
• 公開（公告）號: CN115965834A
• 公開（公告）日: 2023-04-14
• 發(fā)明（設(shè)計）人: 丁家滿;胡爽;賈連印;付曉東;姜瑛
• 申請（專利權(quán)）人: 昆明理工大學
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764
• 代理公司: 昆明明潤知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 53215
• 代理人: 王鵬飛

1.一種基于PageRank和互信息的多標簽分類器鏈圖像識別方法，其特征在于：首先利用互信息來計算標簽與標簽之間和標簽與特征之間的相關(guān)性，然后，將特征類比成網(wǎng)頁，用標簽的相關(guān)關(guān)系代替網(wǎng)頁的鏈接關(guān)系，最后，借助PageRank算法中按照網(wǎng)頁被訪問概率給網(wǎng)頁排序的思想生成標簽訓練順序，生成分類器鏈，從而對圖像進行識別。

2.根據(jù)權(quán)利要求1所述的基于PageRank和互信息的多標簽分類器鏈圖像識別方法，其特征在于，具體步驟為：

Step1：測量不同標簽之間的相關(guān)性，計算任意兩個類別之間的互信息，并將二進制互信息組合成標簽集的總體度量；

計算標簽之間和標簽與特征之間的互信息，存入相關(guān)性矩陣MI給出兩個標簽和這兩個類之間的相互信息可以定義為：

其中，是聯(lián)合概率，和分別是和的邊際概率；

標簽相似度的計算分為兩個步驟，分別處理標簽之間的相似度計算和標簽與特征之間的相似度計算；

Step2：得到標簽相似度矩陣之后，根據(jù)標簽之間的相似關(guān)系，構(gòu)造標簽相似網(wǎng)絡(luò)，從而計算標簽重要度，得到標簽重要度排序，即可得到標簽順序，從而生成分類器鏈.

標簽的重要度用LabelRank得分衡量，簡稱為LR值，PM-CC算法通過預(yù)設(shè)每個標簽的LR值為1/N，N為標簽總數(shù)，然后根據(jù)標簽之間的鏈接關(guān)系，進行迭代，直到LR值收斂.LR值的范圍為0-10，最高為10；當LabelRank低于1或2時，表示這個標簽并不重要，當LabelRank大于7時，表示這個標簽重要性很高，應(yīng)當排在分類器鏈的首部；

LR值的計算公式如下：

其中，S(X)表示與標簽X相關(guān)的所有標簽的集合，n_i表示標簽的相似鏈的數(shù)量，N表示所有標簽的總數(shù)；

待LR值計算完成之后，按照LR值大小來排序，得到標簽順序；

Step3：得到標簽順序后，PM-CC首先取出鏈頭的標簽，將特征與鏈頭的標簽視為單標簽分類問題進行訓練，再將鏈頭的標簽出鏈作為附加特征訓練當前鏈頭的標簽，直到鏈頭為空，得到最終的模型，進行分類預(yù)測：

對于標簽空間y＝(y₁,y₂,...,y_i)，算法分配l個分配器h₁,h₂,...,h_l，并且每個分類器的特征向量用之前分類器的0/1標簽進行拓展，即對于分類器h_j：

訓練階段的特征向量為：

x_i＝(x_i,y_i1,y_i2,...,y_i(j-1))

預(yù)測階段的特征向量為：

其中，是分類器h_j對第i個實例的預(yù)測值；

分類器鏈進行預(yù)測時，公式定義為：

從而獲得最終的模型，對圖像進行識別分類。