一种自步增强图像分类方法及系统

摘要

本发明公开一种自步增强图像分类方法及系统，包括如下步骤：S10：输入用于分类的图像数据及其类别标签，对数据进行特征提取；S20：基于增强学和自步学框架，建立数学模型；S30：迭代地更新模型的参数和模型的弱分类器集合，直至收敛；S40：对新输入的测试图像预测其类别。本发明的特点在于充分利用了增强学方法和自步学方法的内在一致性和互补性，使学过程同时注重了分类模型的区分能力和参与学的图像样本的可靠性，同时实现了有效学和鲁棒学。相比于传统的图像分类方法，本发明具有更高的分类准确率和对标签噪声的鲁棒性。

主权项

一种自步增强图像分类方法，其特征在于，包括如下步骤：S10：输入用于分类学习的图像数据及其类别标签，对数据进行特征提取，得到可用于机器学习的图像样本特征；S20：基于增强学习框架和自步学习框架，建立数学模型；S30：根据所建立的数学模型，推导各参数的更新公式，迭代地更新模型的参数和模型的弱分类器集合，直至收敛，得到分类模型；S40：根据所学习到的分类模型，对新输入的测试图像样本进行分类，输出预测的类别标签。