[发明专利]图像的分类方法、装置、存储介质及电子设备

权利要求书

1.一种图像的分类方法，其特征在于，包括：

当检测到图像移动到分类库的操作时，采集所述图像对应的多维特征作为样本，并构建多个分类库对应的样本集；

生成相应的根节点，并将所述样本集作为所述根节点的节点信息；

将所述根节点的样本集确定为当前待分类的目标样本集；

获取目标样本集内所述特征对于样本集分类的信息增益；

根据所述信息增益从所述特征中选取当前的划分特征；

根据所述划分特征对所述样本集进行划分，得到若干子样本集；

对所述子样本集中样本的所述划分特征进行去除，得到去除后子样本集；

生成当前节点的子节点，并将所述去除后子样本集作为所述子节点的节点信息；

判断子节点是否满足预设分类终止条件；

若否，则将所述目标样本集更新为所述去除后子样本集，并返回执行获取目标样本集内所述特征对于样本集分类的信息增益的步骤；

若是，则将所述子节点作为叶子节点，根据所述去除后子样本集中样本的类别设置所述叶子节点的输出，以构建出分类库的决策树模型，所述样本的类别为对应的多个分类库；

当检测到图像分类指令时，采集待分类图像对应的多维特征作为预测样本；

根据所述预测样本和所述决策树模型预测出对应的分类库。

2.如权利要求1所述的图像的分类方法，其特征在于，根据所述预测样本和所述决策树模型预测出对应的分类库之后，还包括：

当检测到用户将一分类库中的图像移动到另一分类库中时，采集所述图像对应的多维特征作为样本；

将所述样本替换掉样本集中的存储时间在先的一样本。

3.如权利要求1所述的图像的分类方法，其特征在于，根据所述信息增益从所述特征中选取当前的划分特征，包括：

从所述信息增益中选取最大的目标信息增益；

判断所述目标信息增益是否大于预设阈值；

若是，则选取所述目标信息增益对应的特征作为当前的划分特征。

4.如权利要求3所述的图像的分类方法，其特征在于，所述图像的分类方法还包括：

当目标信息增益不大于预设阈值时，将当前节点作为叶子节点，并选取样本数量最多的样本类别作为所述叶子节点的输出。

5.如权利要求1所述的图像的分类方法，其特征在于，判断子节点是否满足预设分类终止条件，包括：

判断所述子节点对应的去除后子样本集中样本的类别数量是否为预设数量；

若是，则确定所述子节点满足预设分类终止条件。

6.如权利要求1-5任一项所述的图像的分类方法，其特征在于，获取目标样本集内所述特征对于样本集分类的信息增益，包括：

获取样本分类的经验熵；

获取所述特征对于样本集分类结果的条件熵；

根据所述条件熵和所述经验熵，获取所述特征对于所述样本集分类的信息增益。