[发明专利]一种基于ACGAN图像半监督分类算法

权利要求书

1.一种基于ACGAN图像半监督分类算法，其特征在于，包括步骤

1)采用minibatch方式训练，先从标准正态分布中采样m个随机分布z，和m个带标签样本中的标签c，通过矩阵融和把z和y融和成一个矩阵当成生成器G的输入，通过步长卷积生成与原图像具有相同维度的假数据X_g～P_g(X,Y)；

2)判别器D1接收带标签数据X_l，不带标签数据X_u和生成数据X_g通过卷积网络生成对应的数据特征；

3)判别器D2接收D1输出的图像特征，通过MLP网络输出一个数值来判别这个数据特征的真伪。判别器D1/D2与生成器G构成极大极小化博弈，其期望如公式(1)，利用梯度下降法来更新D1，D2和G中的参数；

其中D(X)＝D₂(D₁(X))，κ＝(m+n)

4)分类器C接收D1输出的图像特征，通过MLP网络输出一个k维列向量，其损失函数l_C分为两部分如公式(2)所示，对于有标签数据和生成数据来说使用交叉熵来表示损失函数l_sup，如公式(3)所示；对于无标签数据使用香农熵来表示损失函数l_u，如公式(4)所示；通过对损失函数采用梯度下降法来更新D1和C中的参数；

l_C＝l_u+l_sup (2)

其中

5)重复步骤1—4)，通过生成器和判别器博弈，直至网络达到纳什均衡。

2.根据权利要求1所述的一种基于ACGAN的图像半监督分类算法，其特征在于，在原有的ACGAN网络中的判别器输入加上了无标签数据。

3.根据权利要求1所述的一种基于ACGAN的图像半监督分类算法，其特征在于，把通过生成器生成的带有标签的数据视为真实数据输入到分类器中，并采用交叉熵表示损失函数。

4.根据权利要求1所述的一种基于ACGAN的图像半监督分类算法，其特征在于，通过在生成数据得分期望前乘上系数κ。

5.根据权利要求1所述的一种基于ACGAN的图像半监督分类算法，其特征在于，通过分类器对无标签数据特征采用香浓熵表示损失函数。