[发明专利]基于引力模型的图像的多标签分类方法

权利要求书

1.基于引力模型的图像的多标签分类方法，其特征在于，包括：

S1、获取有标签的图片样本集作为训练图片样本集，其中每一个训练图片样本包括特征部分和标签部分，且标签部分包括多个类别的标签，当图片样本包含一个特征时，该特征的特征值为1，否则为0；

S2、计算一个训练图片样本与其他训练图片样本的距离并排序，且两个图片样本之间的距离由两个图片样本的特征值决定，得到该训练图片样本的近邻集合；

S3、在近邻集合中，以标签之间的正相关性构建正相关矩阵，标签之间的负相关性构建负相关矩阵；

S4、计算出待测图片样本的近邻集合，并根据近邻集合构建待测正相关矩阵和待测负相关矩阵，其中待检测图片样本包括特征部分和标签部分，且标签部分为空；

S5、将待测正相关矩阵的每一列粒化，得到正相关数据粒；将待测负相关矩阵的每一列粒化，得到负相关数据粒；

S6、构建引力模型，并通过待测图片样本与正相关数据粒和负相关数据粒之间的引力关系进行分类。

2.根据权利要求1所述的基于引力模型的图像的多标签分类方法，其特征在于，步骤S2包括：

S21、对于任一训练图片样本x_t，其特征部分为X_i、标签部分为Y_j，训练图片样本x_t表示为x_t＝{(X_i,Y_j)|1≤i≤d,X_i∈F；1≤j≤q,Y_j∈L},1≤t≤m；

S22、计算训练图片样本x_t与训练样本集中其他训练图片样本的距离，并将该距离按照升序排序，其中两个训练图片样本之间的距离表示为

S23、选取排序结果中前k个，作为训练图片样本x_t的近邻集合；

其中，F为特征空间，L为标签空间，m为训练图片样本集中训练样本的数量，d为特征的维度，q表示标签的维度；d(x_a,x_b)表示图片样本x_a与图片样本x_b之间的距离，X_a,i为训练图片样本x_a的第i个特征，X_b,i为训练图片样本x_b的第i个特征；1≤a≤m，1≤b≤m。

3.根据权利要求1所述的基于引力模型的图像的多标签分类方法，其特征在于，步骤S3包括：

S31、在训练图片样本x_t的近邻集合中，用表示第s个标签与第l个标签的正相关性，表示第s个标签与第l个标签的负相关性；

S32、第s个标签与其他所有标签的正相关性的值构成长度为q的正相关性向量CP(x_t)_s，第s个标签与其他所有标签的负相关性的值构成长度为q的负相关性向量CN(x_t)_s；

S33、由CP(x_t)_s构成正相关矩阵的每一行，得到正相关矩阵P，CN(x_t)_s构成负相关矩阵的每一行，得到负相关矩阵N。

4.根据权利要求3所述的基于引力模型的图像的多标签分类方法，其特征在于，当训练图片样本x_t的近邻集合中的图片样本的第s个标签的值为1，第l个标签的值同为1时，第s个标签与第l个标签正相关性加1；当训练图片样本x_t的近邻集合中训练图片样本的第s个标签为1，第l个标签为0时，第s个标签与第l个标签负相关性加1。