[发明专利]一种基于自学习的煤岩识别方法

摘要

本发明公开了一种基于自学习的煤岩识别方法，该方法首先通过离线的方式从辅助数据中学习到高层结构特征矩阵D，这些辅助数据是无标签非煤岩自然图像，且更容易获取；然后将煤岩图像表征为若干个高层特征原子的线性组合，线性组合的系数组成一个新的特征向量作为煤岩图像的特征向量；然后用提取到的煤岩特征向量训练分类器；识别过程中，提取未知类别的煤岩图像的特征向量，输入到训练完成的分类器中，最终输出煤岩图像的类别。该方法用容易获得的无标签非煤岩自然图像作为训练样本，节省了标记大量煤岩样本的开销，提取的煤岩特征向量具有很强的鉴别性和鲁棒性，达到了很好地识别效果。

主权项

1.一种基于自学习的煤岩识别方法，其特征在于，包括以下步骤：S1.任意选取无标签的非煤岩自然图像共K张，组成辅助数据集同时采集带有标签的煤岩图像共M张，组成带有标记y⁽ⁱ⁾∈{0，1}的煤岩样本数据集S2.利用辅助数据集F通过求解如下的优化问题从辅助数据集中获得图像的高层结构特征矩阵D＝[d(1)，d(2)，…，d(j)，…，d(p)]∈Rn×p，优化问题如下：其中c(i)∈Rp表示第i个辅助数据样本的特征向量的权重系数，λ为正则化因子；S3.利用步骤S2中得到的高层结构特征矩阵D，通过求解如下优化函数获取煤岩样本数据集T中每一个样本的特征向量a⁽ⁱ⁾∈R^p，由此得到一个新的带标记的煤岩图像样本集函数如下：其中p⁽ⁱ⁾＝[p⁽ⁱ¹⁾，p⁽ⁱ²⁾，…，p^(ip)]，⊙代表向量对应元素相乘的运算；S4.用样本集训练分类器；S5.对于一张未知类别的煤岩图像x通过步骤S3得到它的特征向量a∈Rp，并将特征向量输入到步骤S4中训练好的分类器中，输出图像的类别(煤或岩)。