[发明专利]基于主动半监督学习的图像分类方法在审
| 申请号： | 201811379861.X | 申请日： | 2018-11-19 |
| 公开（公告）号： | CN109376796A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 杨猛;钟琴 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510260 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及图像处理技术领域，提出一种基于主动半监督学习的图像分类方法，包括以下步骤：随机选择部分标记样本和所有未标记样本，用于训练模型中的半监督字典学习组件；基于预估计类概率的准则从未标记的数据集中迭代地选择含有信息量最大的未标记样本，即最翔实样本；引入一个用户来标记所述最翔实样本，然后将完成标记的最翔实样本添加到标记的数据集中，用于训练模型中的主动学习组件；重复上述步骤迭代更新模型直至算法最终收敛或达到某一迭代次数；对测试样本使用模型进行图像分类。本发明解决了类间表达能力差的问题，结合半监督学习和主动学习，有效地利用所有训练数据，提高了该算法模型的性能。 | ||
| 搜索关键词： | 半监督学习 标记样本 图像分类 数据集中 训练模型 主动学习 迭代 样本 图像处理技术 测试样本 迭代更新 算法模型 随机选择 训练数据 样本添加 字典学习 半监督 有效地 算法 信息量 收敛 引入 概率 重复 | ||
【主权项】：
1.基于主动半监督学习的图像分类方法，其特征在于，包括以下步骤：S1：随机选择部分标记样本和所有未标记样本，用于训练模型中的半监督字典学习组件；S2：采用基于预估计类概率的准则从未标记的数据集中迭代地选择含有信息量最大的未标记样本，即最翔实样本；S3：引入一个用户来标记所述最翔实样本，然后将完成标记的最翔实样本添加到标记的数据集中，用于训练模型中的主动学习组件；S4：重复S1～S3步骤，通过新的标记样本和剩余未标记数据来迭代更新模型，直至算法最终收敛或达到某一迭代次数；S5：对测试样本使用模型进行图像分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811379861.X/，转载请声明来源钻瓜专利网。
