[发明专利]一种基于Triple-GAN的分类方法

摘要

生成对抗网络(GAN)在图像生成和半监督学习中显示出极大的发展前景，已发展为三生对抗网络(Triple‑GAN)。但基于Triple‑GAN的分类方法仍存在两个需要解决的问题：基于KL散度分布构造容易产生梯度消失，出现训练不稳定情况；由于Triple‑GAN手动对样本进行标记标签，会造成手动标记工作量过大及标记不均匀等情况。本发明基于此，拟利用随机森林(RandomForests)对真实样本进行分类，将叶子节点自动标记标签，同时利用最小二乘生成对抗网络(LSGAN)的思想构造损失函数，避免梯度消失。

主权项

1.一种基于Triple‑GAN的分类方法，该方法包括以下步骤：1)获取真实样本；基于Triple‑GAN构建三人游戏模型，三人游戏模型由分类器(C)、生成器(G)、判别器(D)组成；将真实样本序列化后输入到分类器(C)中；判别器(D)由一个基于二叉决策树预测分析随机森林构成，其中随机森林由m棵树组成，其中：n为真实样本的个数，h为二叉决策树高度，h为大于等于3的整数；形成2^h‑1*m个叶子节点，将叶子节点作为真实样本标签；2)基于Triple‑GAN构建分布的分类器(C)、生成器(G)、判别器(D)的目标函数；3)将训练样本输入到生成器(G)中，形成生成数据；根据目标函数区分真实样本标签和生成数据的差距，当目标函数达到平衡时，将生成数据标记标签，通过标记的标签对图像(也就是生成数据)进行分类。