[发明专利]基于Fisher判别分析的矩阵变量受限玻尔兹曼机图像分类方法有效

专利信息
申请号: 201810787846.2 申请日: 2018-07-18
公开(公告)号: CN109784356B 公开(公告)日: 2021-01-05
发明(设计)人: 李敬华;田鹏宇;孔德慧;王立春;尹宝才 申请(专利权)人: 北京工业大学
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 北京思海天达知识产权代理有限公司 11203 代理人: 张慧
地址: 100124 *** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 fisher 判别分析 矩阵 变量 受限 玻尔兹曼机 图像 分类 方法
【说明书】:

发明公开一种基于矩阵变量Fisher判别分析的ClassMVRBM模型进行图像分类的方法,采用矩阵变量的Fisher准则即类内最小、类间最大准则,并整合到ClassMVRBM模型进行联合训练;首先定义了面向矩阵变量的Fisher准则,通过引入矩阵变量之间的距离度量,定义了矩阵变量的类内散度和类间散度;然后引入该矩阵变量Fisher判别准则到矩阵变量受限玻尔兹曼机分类模型(记为ClassMVRBM‑MVFDA)的目标函数;最后通过联合训练进行模型求解。本发明方法能够使同类图像的特征之间的距离小,而不同类图像的特征之间距离大,进而利于图像分类。

技术领域

本发明属于模式识别技术领域,尤其涉及一种基于Fisher判别分析的矩阵变量受限玻尔兹曼机分类模型的图像识别方法。

背景技术

图像分类是模式识别、计算机视觉领域的热点研究问题。深度学习方法被广泛用于解决图像分类问题。受限玻尔兹曼机(RBM)模型是深度学习模型的经典基块之一,不过RBM通常是无监督的,为了使其能用于分类任务,Hugo等提出分类受限玻尔兹曼机(ClassRBM),不过该模型是面向向量变量的,当用于图像分类任务时,通常需要对图像进行向量化处理。为了保持图像的空间结构,发明人在ClassRBM基础上已设计实现了面向矩阵变量的ClassMVRBM,在该模型中,输入和隐层都是矩阵变量,通过能量函数定义输入、隐层和标签层的联合概率分布,并通过最大化观测样本发生情况下类别标签的条件概率的对数似然进行模型求解,从而可实现分类任务,不过基于该模型提取的隐层特征不具有可判别性。

在通常的图像分类任务中,希望提取到的图像特征具有一定的判别性,如基于Fisher判别分析准则约束使提取到的特征具有类内距离小,类间距离大的特点。不过传统的Fisher判别准则通常是基于向量变量定义的,当目标是使基于ClassMVRBM提取的隐层特征具有判别性时,需要重新定义基于矩阵变量的Fisher判别约束。

发明内容

本发明要解决的技术问题是:提供一种基于矩阵变量Fisher判别分析的ClassMVRBM模型进行图像分类的方法。该方法能够使同类图像的特征之间的距离小,而不同类图像的特征之间距离大,进而利于图像分类。该方法与已发明的ClassMVRBM模型不同的是:发明了矩阵变量的Fisher准则即类内最小、类间最大准则,并整合到ClassMVRBM模型进行联合训练。首先定义了面向矩阵变量的Fisher准则,通过引入矩阵变量之间的距离度量,定义了矩阵变量的类内散度和类间散度;然后引入该矩阵变量Fisher判别准则到矩阵变量受限玻尔兹曼机分类模型(记为ClassMVRBM-MVFDA)的目标函数;最后通过联合训练进行模型求解。鉴于该模型学习到的隐层特征有判别性,所以提升了图像分类效果。

附图说明

图1为本发明基于Fisher判别分析的矩阵变量受限玻尔兹曼机分类模型的图像识别方法的训练流程图。

具体实施方式

如图1所示,本发明提供一种基于Fisher判别分析的矩阵变量受限玻尔兹曼机分类模型的图像识别方法,包括以下步骤:

步骤1、对获取的图像建立ClassMVRBM-MVFDA模型

给定N张训练图像这里X(n)∈iI*J是第n张训练图像;y(n)∈{1,2,...,c,...,C}是第n张图像的类别标签,这里,图像的总类别数是C个。令Nc是类别为c的样本数量,则

为了使提取的矩阵变量隐层特征具有同类样本类内距离小,不同类样本类间距离大的特点,基于ClassMVRBM模型的隐层定义类内散度矩阵S(w)和类间散度矩阵S(b)。根据向量变量的FDA准则定义以及矩阵变量的F范数距离度量,定义如下矩阵变量的MVFDA判别准则:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工业大学,未经北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810787846.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top