一种大数据图像分类方法

摘要

本发明公开了一种大数据图像分类方法，包括如下步骤：1）收集图像样本作为训练集；2）寻找大数据图像分类最优的投影矩阵；3）对无标注数据进行投影；4）对投影后的样本采用最小距离分类器分类。利用本发明提出的方法能够有效利用样本分布的局部几何信息，并提取分类的鉴别信息，减少大数据图像分类对人工标注样本的依赖，有效减少训练过程中的存储成本，其分类准确度高于有代表性的基于线性判别分析的图像分类方法。

主权项

一种大数据图像分类方法，包括以下步骤：1)收集图像样本作为训练集X，即：X＝[x₁,x₂,…,x_N]∈R^D×N，其中x₁，x₂，…,x_N，代表样本，D为样本维数，N为样本数量，每个样本有相应的类标志C_i；2)寻找大数据图像分类最优的投影矩阵U；3)通过对无标注数据集X_u进行投影，并获得新的样本特征集Y_u，即：Y_u＝U^TX_u；4)对投影后样本特征集Y_u采用最小距离分类器分类，获得图像分类的结果；其特征在于，所述寻找大数据图像分类最优的投影矩阵，包括以下步骤：步骤1、建立局部优化目标函数；步骤2、建立全局优化目标函数；步骤3、利用拉格朗日乘数法：将新的全局优化目标的问题转换为求广义特征值α问题，大数据图像分类最优的投影矩阵U由式子XLX^Tα＝λXX^Tα的前d个最小特征值对应的d个特征向量得到；所述步骤1包括：对每一个已标注的样本x_i，找到同类样本的共k₁近邻和不同类别样本的共k₂近邻来形成一个局部块，即：$X_i=[x_i,x_{i^1},...x_{i^{k_1}},x_{i_1},...,x_{i_{k_2}}]\in R^{D\times (k_1+k_2+1)};$定义R_ij为第j个样本相对第i个样本里的位置顺序，设定每个局部块的新的低维空间表达，即：满足不同类别样本距离足够大，同时同类样本位置顺序信息尽可能的保留；对不同类别样本在新的投影空间的距离建立(1)式：$M\left(y_i\right)=\underset{p=1}{\overset{k_2}{\Sigma }}\left|\right|y_i-y_{i_p}|{|}^2,---\left(1\right)$对同类样本在新的投影空间的位置顺序信息建立(2)式：$R\left(y_i\right)=\underset{j=1}{\overset{k_1}{\Sigma }}\left|\right|y_i-y_{i^j}|{|}^2{\left(w_i\right)}_j,---\left(2\right)$其中，(w_i)_j表示区别小距离和大距离之间的惩罚因子，当原始空间的距离小时，赋予低维子空间较大的权重，当距离大时，赋予较小的权重；所述惩罚因子的定义如下：其中，表示x_i的k₁个同类近邻样本集，|| ||为求2范数符号；由于局部块X_i是近似线性的，利用公式(1)、公式(2)和权衡系数γ，得到局部优化的目标函数，所述目标函数的表达式如下：$\arg \underset{y_i}{min}\left(\underset{j=1}{\overset{k_1}{\Sigma }}\right||y_i-y_{i^j}|{|}^2{\left(w_i\right)}_j-\gamma \underset{p=1}{\overset{k_2}{\Sigma }}\left|\right|y_i-y_{i_p}\left|{|}^2\right),---\left(4\right)$其中，权衡系数γ∈[0,1]，所述目标函数式(4)的意义是在局部块上，满足不同类别样本距离和足够大，同时同类样本位置顺序信息尽可能的保留；对公式(4)进行进一步简化，得到公式(5)：$\begin{array}{c}\underset{y_i}{\arg \min }\underset{j=1}{\overset{k_1}{\Sigma }}\left|\right|y_i-y_{i_j}|{|}^2{\left(w_i\right)}_j-\gamma \underset{p=1}{\overset{k_2}{\Sigma }}||y_i-y_{i_j}|{|}^2\\ \underset{Y_i}{\arg \min }tr\left(Y_i{L}_i{Y}_i^T\right),\end{array}---\left(5\right)$其中，tr()是迹算子，