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,…,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。