[发明专利]一种利用相关主题模型识别社会群体行为的方法

权利要求书

1.一种利用相关主题模型识别社会群体行为的方法，其特征在于，该方法包括以下步骤：

步骤S0，将视频数据集中的部分视频作为视频训练集D，剩下的视频作为视频测试集；

步骤S1，利用相关主题模型对所述视频数据集中的视频进行建模；

步骤S2，基于所述相关主题模型和所述视频训练集D得到优化目标函数；

步骤S3，在使得优化目标函数最大的情况下计算所述相关主题模型中的各个参数，训练得到包括分类器的所述相关主题模型；

步骤S4，将所述视频测试集中测试视频的词袋表示输入到所述步骤S3训练得到的相关主题模型中，利用隐含单元对可见单元的条件概率推断得到所述测试视频的主题表示；

步骤S5，将所述测试视频的主题表示送入所述步骤S3得到的分类器中，得到对于相应测试视频最后的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，将视频的词袋表示建模为相关主题模型的可见单元v；将视频的主题表示t^r建模为相关主题模型的隐含单元h；连接可见单元和隐含单元的权重系数为W；将视频的分类器建模为主题表示t^r的线性组合。

3.根据权利要求1所述的方法，其特征在于，所述步骤S2进一步包括以下步骤：

步骤S21，基于所述相关主题模型得到其在所述视频训练集D上的似然函数；

步骤S22，根据Jensens不等式和lse函数的二次上界得到所述似然函数的一个下界，作为优化目标函数。

4.根据权利要求3所述的方法，其特征在于，所述似然函数表示为：

logP(D;θ)=log∫P({vm,ym,tmr}m=1M,η,α;θ)d{tm}m=1Mdηdα,]]>

其中，θ＝{W,a,b},W是连接可见和隐含单元的权重系数，a和b分别是可见和隐含单元的偏置，v_m表示训练集D中第m个视频的词袋表示，y_m表示第m个视频的类，表示第m个视频的主题表示，η表示分类器系数，α为先验参数，t_m表示在第m个隐含单元上的输入，m表示训练集D中视频的标号，M表示视频的个数。