[发明专利]一种基于共享参数空间的核集成支持向量机图像分类方法

权利要求书

1.一种基于共享参数空间的核集成支持向量机的图像分类方法，其特征在于，包括如下步骤：

步骤1、获取图像数据形成样本集,对样本集进行预处理，并且使用核方法获取样本集的不同的单个基础内核；

步骤2、使用约束将多个单核模型的损失集成到统一的损失中，该统一的损失即为集成损失，进而由多个单核模型构建出共享参数空间内的核集成支持向量机模型；

步骤3、将训练集输入到核集成支持向量机模型，并在多个核空间中进一步学习每个核所共享的公共参数α₀和单个特定参数α_i；所设计的核集成支持向量机模型通过最小化集成损失来共同优化每一个单核模型；由此获得训练好的基于共享参数空间的核集成支持向量机模型；

步骤4、设置核集成支持向量机模型迭代停止的判定条件，当满足判定条件，跳出循环；否则继续执行循环；当循环退出，代表已经找出最优解w，从而获得训练好的基于共享参数空间的核集成支持向量机模型；根据最优解w得到

其中，f(x_t)是预测的标签结果；

步骤5、将测试集X_test＝[x₁，x₂，...，x_N]∈R^N*q输入训练好的共享参数空间中的核集成支持向量机模型得到最后的二值分类器的模型：Y＝sign(f(X_test)),即目标分类器，利用所述目标分类器对待分类的图像进行分类，获取分类结果。

2.根据权利要求1所述的一种基于共享参数空间的核集成支持向量机的图像分类方法，其特征在于，所述核集成支持向量机模型的目标函数表示为：

S.T.1^Tw＝1，w_i≥0

其中，C是用来达到最小经验损失和最小结构损失之间平衡的一个参数；w_i是用来控制每个再生核希尔伯特空间中损失的权重，w是由权重w_i构成的向量，K_i是第i个内核Gram矩阵，α_i和α₀均是与K_i中每个训练数据样本的权重相关的共享参数且都为N×1的列向量；L为单个基础内核的个数，b_i为K_i的偏移量，ξ_it为第i个内核中第t个样本的铰链损失，t＝1、2、...N,N为样本数；α_0m、α_im分别是列向量α_i和α₀中的第m个分量；x_t，x_m分别是第t个样本和第m个样本。