[发明专利]一种基于自表达相关的数据分类方法和装置

摘要

本发明公开了一种基于自表达相关的数据分类方法和装置。本方法为：1)在生成对抗网络框架下，通过生成器生成针对给定类别标签的假数据；主动学习算法在生成对抗网络每次迭代中从训练数据集选取有用的未标注的数据进行标注，添加到训练数据集A中；半监督学习在生成对抗网络每次迭代中从训练数据集未标注的样本数据中随机假标注一批样本数据，添加到训练数据集A中，直至生成对抗网络收敛；2)将生成对抗网络迭代结束时，将生成器最终生成的假数据添加到最终的训练数据集A中，然后利用分类器对最终的训练数据集A进行分类。本发明能解决标记数据不足以及训练集中类别数据不均衡的问题，以进一步提高分类准确性。

主权项

1.一种基于自表达相关的数据分类方法，其步骤包括：1)在生成对抗网络框架下，通过生成器生成针对给定类别标签的假数据；主动学习算法在生成对抗网络每次迭代中从训练数据集选取未标注的数据进行标注，添加到训练数据集A中；半监督学习在生成对抗网络每次迭代中从训练数据集未标注的样本数据中随机假标注一批样本数据，添加到训练数据集A中，直至生成对抗网络收敛；其中，所述假数据生成方法为：生成对抗网络每次迭代过程中，首先生成器生成假数据，然后判别器区分生成的假数据和真实数据，并针对判别器的预测结果对梯度变化的方向进行改变；然后生成器得到判别器传回的梯度并更新参数，生成新的假数据；然后利用分类器对当前生成的假数据和当前训练数据集A中的数据进行分类；然后生成器根据数据类别分布生成假数据；2)将生成对抗网络迭代结束时，将生成器最终生成的假数据添加到最终的训练数据集A中，然后利用分类器对最终的训练数据集A进行分类。