[发明专利]一种基于Triple-GAN的分类方法

权利要求书

1.一种基于Triple-GAN的分类方法，该方法包括以下步骤：

1)获取真实样本；基于Triple-GAN构建三人游戏模型，三人游戏模型由分类器(C)、生成器(G)、判别器(D)组成；将真实样本序列化后输入到分类器(C)中；判别器(D)由一个基于二叉决策树预测分析随机森林构成，其中随机森林由m棵树组成，其中：n为真实样本的个数，h为二叉决策树高度，h为大于等于3的整数；形成2^h-1*m个叶子节点，将叶子节点作为真实样本标签；

2)基于Triple-GAN构建分布的分类器(C)、生成器(G)、判别器(D)的目标函数；具体为：将生成器联合分布Pg(x,y)和分类器联合分布Pc(x,y)输入到判别器(D)中，根据生成数据x对应的叶子节点和类标签y的分类器联合分布Pc(x,y)和分布计算出最优化的目标函数；其中，设定分类器(C)、生成器(G)、判别器(D)目标函数如下：

其中：x表示生成数据，y表示类标签，z表示生成数据x对应的叶子节点；a表示生成器(G)对生成数据进行编码，a∈{-1,0,1}；b表示分类器(C)对类标签进行编码，b∈{-1,0,1}；c表示生成器(G)对生成数据通过目标函数判别最优的欺骗样本数据，c∈{-1,0,1}；此公式中：E_{(x,y)～p(x,y)}表示标签对(x,y)在判别器(D)中联合分布p(x,y)的期望值；D(x,y)表示判别器中标签对(x,y)的真实样本标签对伪标签的概率；表示标签对(x,y)在分类器(C)中联合分布Pc(x,y)的期望值；表示标签对(x,y)在生成器(G)中联合分布Pg(x,y)的期望值；G(y,z)表示生成器中标签对(y,z)在样本空间的映射，D(G(y,z),y)表示判别器中标签对(y,z)的生成样本对真实样本的概率；R_c表示平衡函数；α是调节参数，α∈{0,1}；

3)将训练样本输入到生成器(G)中，形成生成数据；根据目标函数区分真实样本标签和生成数据的差距，当目标函数达到平衡时，将生成数据标记标签，通过标记的标签对图像(也就是生成数据)进行分类。

2.根据权利要求1所述的分类方法，其特征在于：步骤1)具体为：

101)下载minist、svhn、cifar10中的一种或多种图像，作为真实样本，序列化后，输入到分类器(C)中；

102)三人游戏模型根据随机森林算法构建二叉决策树，将n个真实样本分配到m颗决策树中；

103)将m棵决策树的叶子节点标记标签，形成类标签y。

3.根据权利要求1所述的分类方法，其特征在于：步骤3)具体为：

301)下载minist、svhn、cifar10中的一种或多种图像，作为训练样本；

302)将训练样本进行序列化形成生成数据x，将生成数据x作为训练集数据输入到生成器(G)中；

303)利用类标签y和生成数据x组成联合分布；

304)根据目标函数区分生成数据x和类标签y的差距，当目标函数达到平衡时，将生成数据x标记标签，通过标记的标签对图像(也就是生成数据)进行分类。

4.根据权利要求3所述的分类方法，其特征在于：利用类标签y和生成数据x组成联合分布，具体步骤如下：

(1)生成数据x和类标签y在生成器(G)中组成生成器联合分布Pg(x,y)；

(2)根据随机森林算法构建二叉决策树逻辑对生成器联合分布Pg(x,y)的进行判断：

当生成器联合分布Pg(x,y)的内容与决策树一致时，进入下一分支进行判断，直到找到所有生成数据x对应的叶子节点，构建生成数据x对应的叶子节点和类标签y的分类器联合分布Pc(x,y)；

当生成器联合分布Pg(x,y)的内容与决策树不一致时，则进入下一棵森林决策树，迭代步骤(2)的过程，直到找到所有生成数据x对应的叶子节点。

5.根据权利要求1-4中任一项所述的分类方法，其特征在于：a取值为-1，b取值为1，c取值为0，即b-c＝1、b-a＝2；平衡函数目标函数满足最小化散度分布；其中：p是判别器的概率联合分布，Pc是分类器的概率联合分布。