[发明专利]一种数据的分类方法、装置及存储介质

权利要求书

1.一种数据的分类方法，其特征在于，所述方法包括：

获取图像数据库中每个视图在投影空间分别对应的投影矩阵；

根据所述投影矩阵对待测试样本进行迭代计算，得到所述待测试样本的样本特征数据；

根据所述样本特征数据对所述待测试样本进行数据分类，得到所述待测试样本的分类信息；

根据所述分类信息，确定所述待测试样本所属的类别；

其中，所述投影矩阵通过以下公式获取：

其中，矩阵变量中：T_r表示迹、F为预测标签矩阵、L_t为拉普拉斯矩阵、Y为真实标签矩阵、U∈R^n×n为决策规则对角矩阵、P_t为投影矩阵、为第t个视图的训练样本矩阵、W∈R^d×c为多个视图共用的标签投影矩阵、b∈R^c为多个视图共用的偏差项、上标T是一个运算符号，表示转置；

变量和参数：视图编号t、视图个数m、平衡参数μ、平衡参数γ；

常量和计算符号：全1向量1_n、正则化项矩阵M的l_2,1范数定义为：

而Tr(F_t^TL_tF_t)是基于图的半监督学习方法的局部保留，F同时满足在训练数据和图形模型S中基本真实标签的平滑性；拉普拉斯矩阵L_t是从视图特征X_t＝[x₁,x₂,x₃....x_n]中计算所得，这里，X_t＝[x₁,x₂,x₃....x_n]是对于第t个视图的数据；

Tr((F_t-Y_t)^TU(F_t-Y_t))在基于图的半监督学习方法中，要使得预测标签矩阵F应同时满足在训练数据和图形模型S中基本真实标签的平滑性；

μ||(P_t^TX_t)^TW+1_nb^T-F_t||_2,1是一个具有鲁棒性的分类器，该分类器应该能够容忍带有噪声标签的样本，并且采用广义的l_2,1损耗，其中μ是平衡参数；W∈R^d×c是多个视图共用的标签投影矩阵，b∈R^c是多个视图共用的偏差项；是正则化项，1_n是一个全1向量；矩阵M的l_2,1范数定义为：其中，M_i是M的第i行；

在μ||(P_t^TX_t)^TW+1_nb^T-F_t||_2,1中，P_t^TX_t用P_t矩阵对样本X_t进行投影之后对样本进行降维和去噪，然后对每个视图将其标签投影矩阵W以及用于降噪的偏差项b进行共用；

则是加入正则项。

2.根据权利要求1所述的方法，其特征在于，所述获取图像数据库中每个视图在投影空间分别对应的投影矩阵，包括：

对图像数据库中的每个视图进行样本训练，得到每个视图的训练模型；

根据所述训练模型获取所述图像数据库中每个视图在投影空间分别对应的投影矩阵。

3.根据权利要求2所述的方法，其特征在于在，所述投影矩阵中至少包括样本投影矩阵；

所述根据所述样本特征数据对所述待测试样本进行数据分类，包括：

使用所述样本投影矩阵对所述待测试样本进行投影，得到投影后的所述待测试样本的样本特征数据；

根据投影后的所述待测试样本的样本特征数据对所述待测试样本数据进行分类。