[发明专利]一种基于多核融合的多示例多标签场景分类方法

权利要求书

1.一种基于多核融合的多示例多标签图像场景分类方法，其特征在于，包括以下步骤：

步骤1，输入一个多示例多标签图像数据集，记为并将所述多示例多标签图像数据集拆分成一个多示例图像数据集X＝{X_i|i＝1,2,...,m}和一个多标签图像数据集Y＝{Y_i|i＝1,2,...,m}；

其中，i为多示例多标签图像数据集中多示例图像数据包的编号，m为包的总个数，m取正整数；X_i指多示例图像数据集X中编号为i的多示例图像数据包，记为x_i1表示多示例图像数据包X_i中编号为1的示例，x_i2表示多示例图像数据包X_i中编号为2的示例，表示多示例图像数据包X_i中编号为n_i的示例，n_i指编号为i的包中包含的示例个数，n_i取值为正整数；y_i1表示标签图像数据集Y_i中编号为1的标签，y_i2表示标签图像数据集Y_i中编号为2的标签，表示标签图像数据集Y_i中编号为l_i的标签，l_i为标签图像数据集Y_i中包含的标签个数，l_i取值为正整数；

步骤2，使用多个阈值中的每一个阈值分别对每个多示例图像数据包X_i建立相关性矩阵，则在同一阈值下，每一个多示例图像数据包都会建立一个相关性矩阵W_i^s；所述阈值t_s∈(t₁,t₂,...,t_S)，其中，S为阈值的总个数，s表示阈值的编号；

步骤3，根据步骤2中得到的相关性矩阵求同一阈值下每两个多示例图像数据包之间的基本核函数，多个基本核函数值组成基本核矩阵，所述基本核矩阵中的元素值为同一阈值下每两个多示例图像数据包之间的基本核函数值，所述基本核矩阵中元素值的行号和列号分别对应两个多示例图像数据包的编号；针对不同的阈值，则会得到不同阈值下的基本核矩阵K_gs，g为基本核矩阵标识；

步骤4，将步骤3中得到的不同阈值下的基本核矩阵K_gs中相同位置的元素进行组合，得到一个多核函数K(X_i,X_j)，多个多核函数值组成多核矩阵，即所述多核矩阵K中的元素值对应每两个多示例图像数据包之间的多核函数值；

步骤5，利用多标签图像数据集Y_i和步骤4中得到的多核函数进行学习，得到多个多核SVM分类器，所述分类器的数量与所述多标签图像数据集中的标签类数量相同，所述分类器用于对未知多示例图像数据包的标签集进行预测从而实现图像场景分类。

2.根据权利要求1所述的一种基于多核融合的多示例多标签图像场景分类方法，其特征在于，所述步骤2中使用一个阈值对一个包X_i建立相关性矩阵的过程具体为：

步骤2.1，定义一个n_i×n_i的矩阵W，所述矩阵中的行号和列号分别对应多示例图像数据包X_i中两个示例的编号；

步骤2.2，判断示例x_ia和示例x_iu之间的高斯距离是否小于阈值t_s，若示例x_ia和示例x_iu之间的高斯距离小于阈值t_s，则将矩阵W的第a行第u列的元素赋值为1；否则赋值为0；a,u均为示例编号，均取值为[1，n_i]之间的整数；直至将矩阵W中的每一个元素都赋值完，得到多示例图像数据包X_i的相关性矩阵W_i^s，其中，W_i^s的上标s表示阈值的编号，W_i^s的下标i表示多示例图像数据包的编号。