[发明专利]一种支持增量训练的垃圾图片识别方法和系统

权利要求书

1.一种支持增量训练的垃圾图片识别方法，包括步骤：

A）将特征处理模块作为服务进程运行，初始化线性参数初值为零向量；

B）收集的垃圾图片集和正常图片集，由图片处理模块二提取每张图片的特征，提取每张图片的元数据，将特征向量和对应的类别发送给特征处理模块，进行学习；

C）在反垃圾系统中，对于每封经过发垃圾系统的邮件，由图片处理模块一提取图片的特征向量，发送给特征处理模块进行分类，并根据分类结果对邮件进行是否垃圾邮件的判断；

D）如果出现了新形式的垃圾图片，由图片处理模块二提取特征并发给特征处理模块进行增量学习。

2.如权利要求1所述的支持增量训练的垃圾图片识别方法，其特征是：所述的特征向量包括图片的宽度、高度、GIF帧数、压缩比。

3.如权利要求2所述的支持增量训练的垃圾图片识别方法，其特征是：所述步骤B）通过元数据形成向量特征的步骤包括：

A1）筛选出有区分度的元数据；

A2)消除异常数值；

A3）进行归一化处理。

4.如权利要求1所述的支持增量训练的垃圾图片识别方法，其特征是：所述步骤B）进行学习的方法为SVM方法，采用SVM方法学习后，得到分类模型：

y=Σi=1naiyixixi]]>即w=Σi=1naiyixi]]>

其中x是图片的特征向量，y是图片的类别，w是x的系数；x_i和y_i分别是支持向量的值和支持向量的类别。

5.一种支持增量训练的垃圾图片识别系统，其特征是：包括用于收集的垃圾图片和正常图片集的图片处理模块二，该图片处理模块二提取每张图片的元数据，形成特征向量，生成训练数据；

对特征向量和对应的类别采用SVM方法进行学习的特征处理模块；

用于提取反垃圾系统中每封经过反垃圾系统的邮件中图片的特征向量，并对提取到的特征向量进行分类的图片处理模块一；

用于根据分类结果对图片是否属于垃圾图片进行判断的判断识别模块。

6.如权利要求5所述的垃圾图片识别系统，其特征是：所述的图片处理模块二包括元数据提取模块、特征生成模块和训练数据生成模块。

7.如权利要求5所述的垃圾图片识别系统，其特征是：所述的特征处理模块包括增量学习模块和分类模块。

8.如权利要求5所述的垃圾图片识别系统，其特征是：所述的图片处理模块一包括元数据提取模块和特征生成模块。