[发明专利]用于图像分类的多目标特征选择方法、装置和存储介质

权利要求书

1.一种用于图像分类的多目标特征选择方法，其特征在于，该方法包括以下步骤：

计算包含多维图像特征的训练样本中每维特征对应的条件熵，基于计算的条件熵计算该维特征的被选中概率；

基于各维特征对应的被选择概率，利用粒子群优化算法初始化预设数量个粒子；

计算所有粒子的目标函数值，并进行非支配排序，选择非支配解更新粒子个体最优位置和粒子群的全局最优位置；

在当前的迭代次数达到预定条件，则基于交叉熵进行局部搜索，在所述局部搜索步骤中更新粒子的速度信息和位置信息，计算所有粒子的目标函数值，并进行非支配排序，选择非支配解更新粒子个体最优位置和粒子群的全局最优位置；

在迭代次数达到预设迭代次数阈值的情况下，采用拐点选择法输出最终解；

其中，根据如下公式基于交叉熵进行局部搜索：

；

其中，H(F_m ，F_q)表示特征F_m与特征子集中其他特征F_q的交叉熵，F_m和F_q表示第m和第q个特征集合，为F_q的子事件，表示使用F_m和F_q两个特征进行聚类时子事件和属于同一类的概率。

2.根据权利要求1所述的方法，其特征在于，

基于如下公式计算包含多维图像特征的训练样本中每维特征对应的条件熵：

；

基于如下公式计算每维特征的被选中概率：

；

其中，F_m表示第m维特征的集合，D表示作为决策变量的特征数目，L为数据集的类别集合，为F_m的子事件，k为子事件的序号，l为类别L的子事件，为联合概率，表示样本同时属于子事件和 l类的概率，为条件概率，表示在子事件条件下样本属于l类的概率。

3.根据权利要求2所述的方法，其特征在于，所述利用粒子群优化算法初始化预设数量个粒子的步骤包括：

初始化pop个含D个决策变量的粒子，粒子中的第j个决策变量是第j维特征的编码，其取值规则如下：生成0-1之间的均匀分布的随机数r，当，设置为预定阈值到1之间的随机数，表示该特征被选择；否则，设置为0到预定阈值之间的随机数，表示该特征未被选择。