[发明专利]一种图转导半监督分类方法

摘要

本发明公开了一种图转导半监督分类方法，包括以下步骤：步骤一、获取视频图像信息；步骤二、选取视频图像上的已标记点；步骤三、在未标记样本点中选取预选样本点；步骤四、对预选样本点进行分类；步骤五、对未标记样本点进行分类。本发明对未标记样本点进行预选取，然后通过计算样本相似度对预选样本点进行分类，减少预选样本点之间的虚假连接，进而缩减了构图的时间，利用已标记样本点的样本类别和已标记样本点与未标记样本点的样本相似度得出未标记样本点的分类结果，解决了对已标记样本集的依赖性问题，提高分类的精度。

主权项

一种图转导半监督分类方法，其特征在于，该方法包括以下步骤：步骤一、获取视频图像信息：视频图像传感器(1)采集视频图像并将得到的视频图像传输给计算机(2)，计算机(2)将得到的视频图像存入总样本集X，总样本集X中的样本点个数为n×h，n和h均为不小于2的正整数，步骤二、选取视频图像上的已标记点：总样本集X中的样本点按类别分为C类，计算机(2)在所述视频图像上选取已标记样本点，已标记样本点包括所述类别中的所有类别，计算机(2)将已标记样本点存入已标记样本集Xl，已标记样本集Xl中的样本点个数为l×h，l为不大于n的正整数，将已标记样本点的样本类别存入已标记样本类别集Yl，将未标记样本点存入未标记样本集Xu，未标记样本集Xu中的样本点的样本类别组成未标记样本类别集Yu，未标记样本集记Xu中的样本点个数为(n‑l)×h；步骤三、在未标记样本点中选取预选样本点：步骤301、选取未标记样本点的中心样本点：步骤3011、未标记样本点分类：未标记样本集Xu中的未标记样本点按所述类别分为C类，xji表示未标记样本集Xu中的任意一个未标记样本点，1≤j≤n‑l，1≤i≤h；步骤3012、选取每类未标记样本点的中心样本点：计算机(2)根据准则函数计算每个未标记样本点xji的准则函数值，A表示未标记样本集Xu的隶属度矩阵，Aij,s表示未标记样本点xji对中心样本点us的隶属度，xji表示未标记样本集Xu中的任意一个未标记样本点，us表示每一类未标记样本点中的中心样本点，U表示由中心样本点us组成的聚类中心集，U＝(u1,...,us,...,uC)，1≤s≤C，m表示模糊加权幂指数；步骤3013:令得到：其中k≠s，1≤k≤C；步骤3014:对Aij,s随机赋值，Aij,s的取值满足步骤3015:将Aij,s的值代入公式得到us；将计算得到的us的值代入公式得到Aij,s；步骤3016：重复步骤3015，直到Aij,s的前后两次计算结果的差值不大于ε，其中ε表示隶属度误差阈值，计算机(2)将此时us的取值存入数据存储器(3)；步骤302、计算未标记样本点到中心样本点的距离：计算机(2)计算距离集合D，D＝[D1,D2,...,DC]，D表示未标记样本集Xu中每一个未标记样本点xji到每一个中心样本点us的距离集合，Ds表示距离集合D中任意一个距离子集合，其中Ds表示每一个未标记样本点xji到中心样本点us的距离集合；步骤303、排序选取：计算机(2)对集合Ds中每列数据按从小到大的顺序进行排序，选择集合Ds中前r行数据对应的未标记样本点xji组成预选样本集X'u，X'u的大小为r×h，r<n；步骤四、对预选样本点进行分类：步骤401、构建训练集：将预选样本集X'u加入已标记样本集Xl中组成训练集X'，训练集X'＝{Xl,X'u}，计算机(2)将训练集X'中的样本点存储在数据存储器(3)中，X'的大小为(l+r)×h；步骤402、计算样本相似度：计算机(2)根据公式计算样本相似度为wpq‑ab，其中xpq表示预选样本集X'u中的任意样本点，xab表示已标记样本集Xl中的任意样本点，1≤p≤r，1≤a≤l，1≤q≤h，1≤b≤h，σ为带宽参数，σ>0；步骤403、计算传递概率集：计算机(2)根据公式计算样本点xpq将标记信息传递到样本点xab的传递概率Ppq‑ab，P表示由传递概率Ppq‑ab组成的传递概率集，P的大小为(l+r)×h，将P划分为四个子矩阵，其中Ple的大小为l×e，Pl(h‑e)的大小为l×(h‑e)，Pre的大小为r×e，Pr(h‑e)的大小为r×(h‑e)，其中1≤e<h；步骤404：预选样本集X'u对应的样本类别集为预选样本类别集Y′u，预选样本类别集Y′u的大小为r×h，训练集X'对应的样本类别集为训练样本类别集Y'，训练样本类别集Y'的大小为(l+r)×h，步骤405：根据公式Y′(g)＝P×Y′(g‑1)，推导出：Y′u(g)＝PreYl(g‑1)+PrCY′u(g‑1)，其中g表示迭代次数，Y′(g)表示第g次迭代后的训练样本类别集，Yl(g)表示第g次迭代后的已标记样本类别集，Y′u(g)表示第g次迭代后的预选样本类别集，对g和Y′u(g‑1)赋初值，令g＝1，Y′u(g‑1)＝0；步骤406、迭代计算Y′u(g)，直到Y′u(g)＝Y′u(g‑1)，完成迭代计算，迭代计算完成后的Y′u(g)即为预选样本集X'u对应的样本类别集为Y′u，计算机(2)将迭代计算完成后的Y′u(g)保存在数据存储器(3)中；步骤五、对未标记样本点进行分类：建立未标记样本集为X″u，X″u＝X‑X′u，未标记样本集X″u中的样本点个数为(n‑l‑r)×h，未标记样本点xdo表示未标记样本集X″u中的任意一个未标记样本点，其中，1≤d≤n‑l‑r，1≤o≤h，计算机(2)根据公式计算未标记样本点xdo的样本类别f*(xdo)，其中，xpi表示训练集X'中的任意一个训练集样本点，ypi表示训练集样本点xpi的样本类别，f(xpi)表示训练集样本点xpi在决策函数f处得到的函数预测值f(xpi)，1≤p≤l+r，γ1表示希尔伯特空间函数的复杂度，表示决策函数f在希尔伯特空间的范数，H表示基核，γ2表示几何结构函数的复杂度，Wpi‑do表示训练集样本点xpi与未标记样本点xdo的样本相似度。