发明名称 | 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。 | ||
申请公布号 | CN103488744A | 申请公布日期 | 2014.01.01 |
申请号 | CN201310432630.1 | 申请日期 | 2013.09.22 |
申请人 | 华南理工大学 | 发明人 | 金连文;陶大鹏;王永飞 |
分类号 | G06F17/30(2006.01)I;G06K9/62(2006.01)I | 主分类号 | G06F17/30(2006.01)I |
代理机构 | 广州市华学知识产权代理有限公司 44245 | 代理人 | 蔡茂略 |
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,…,xN]∈RD×N,其中x1,x2,…,xN,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Ci;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Xu进行投影,并获得新的样本特征集Yu,即:Yu=UTXu;4)对投影后样本特征集Yu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XLXTα=λXXTα的前d个最小特征值对应的d个特征向量得到。 | ||
地址 | 510640 广东省广州市天河区五山路381号 |