[发明专利]一种基于局部特征的多视角分类器及设计方法

权利要求书

1.一种基于局部特征的多视角分类器，其特征在于，包含：

无标签多视角大数据集生成模块，用于基于多视角数据集中信息有限的有标签多视角中小数据集得到用于训练分类器的无标签多视角样本，并生成相应的无标签多视角数据集；

全局和局部结构风险最小化分类器实现模块，用于根据有标签多视角数据集和无标签多视角数据集得出全局结构风险和局部结构风险，并根据全局结构风险和局部结构风险之间差异的函数关系求解目标优化函数，得到基于全局和局部结构风险最小化的目标优化函数；

多视角数据局部特征提取模块，用于基于卷积神经网络来针对有标签多视角数据集以及无标签多视角数据集提取样本局部特征，并根据基于全局和局部结构风险最小化的目标优化函数和样本局部特征设计出拥有有效数据信息和局部特征的全局和局部结构风险最小化的多视角分类器。

2.如权利要求1所述的基于局部特征的多视角分类器，其特征在于，所述的无标签多视角大数据集生成模块包含：

典型关联分析子单元，用于从多视角数据集中获取多视角数据的多个视角、样本之间的权重和关系；

样本相似度分析子单元，用于寻找每个有标签多视角样本的近邻样本；

无标签多视角样本生成子单元，用于根据多视角数据的多个视角、样本之间的权重和关系以及每个有标签多视角样本的近邻样本来生成无标签多视角数据集。

3.如权利要求1所述的基于局部特征的多视角分类器，其特征在于，所述的全局和局部结构风险最小化分类器实现模块包含：

特征提取子单元，用于从有标签多视角数据集和无标签多视角数据集中提取样本的全局特征和局部特征；

全局特征子空间生成子单元，用于降低全局特征的维度并保留特征信息；

全局结构风险计算子单元，用于计算全局特征的结构风险；

局部特征子空间生成子单元，用于降低局部特征的维度并保留特征信息；

局部结构风险计算子单元，用于计算局部特征的结构风险；

关系计算子单元，用于计算全局结构风险与局部结构风险之间的关系；

目标优化函数构建子单元，用于根据全局结构风险与局部结构风险之间的关系得到目标优化函数，并得到基于全局和局部结构风险最小化的目标优化函数。

4.如权利要求1所述的基于局部特征的多视角分类器，其特征在于，所述的多视角数据局部特征提取模块包含：

基于卷积神经网络的局部特征提取子单元，用于从有标签多视角数据集以及无标签多视角数据集中获得样本局部特征；

分类器设计子单元，用于根据目标优化函数以及样本局部特征设计出以全局和局部结构风险最小化为原则拥有有效数据信息和局部特征的多视角分类器。

5.一种基于局部特征的多视角分类器设计方法，其特征在于，包含以下步骤：

S1、基于多视角数据集中信息有限的有标签多视角中小数据集得到用于训练分类器的无标签多视角样本，并生成相应的无标签多视角数据集；

S2、根据有标签多视角数据集和无标签多视角数据集得出全局结构风险和局部结构风险，并根据全局结构风险和局部结构风险之间差异的函数关系求解目标优化函数，得到基于全局和局部结构风险最小化的目标优化函数；

S3、基于卷积神经网络来针对有标签多视角数据集以及无标签多视角数据集提取充分的样本局部特征，并根据基于全局和局部结构风险最小化的目标优化函数和样本局部特征设计出拥有有效数据信息和局部特征的全局和局部结构风险最小化的多视角分类器。