[发明专利]一种基于数据挖掘的鲁棒半监督图像分类方法

权利要求书

1.一种基于数据挖掘的鲁棒半监督图像分类方法，其特征在于步骤如下：

步骤1：将包含n个a×b像素规模图像的数据集，拉长为一个图像数据矩阵对图像数据矩阵按行进行归一化，使各行均值为零，标准差为1，进行归一化处理，后原始数据矩阵其中n为图像个数，为单个图像的像素；

对归一化的图像数据矩阵利用PCA进行降维处理，记降维后的维度为d，处理后的图像矩阵为

步骤2：构建基于数据挖掘的鲁棒半监督图像分类模型：

s.t.P≥0,P1＝1,F_l＝Y_l,F≥0,F1＝1

其中：m为聚类簇数，为一模型参数；p_ij为矩阵P第i行第j列的元素，表示第i个数据点x_i隶属于第j簇聚类的隶属度；α为模糊参数；W为分类器；x_i为矩阵X的第i列，表示第i个样本；z_j为矩阵Z第j列向量，表示第j簇的聚类中心；c为分类类数，需要根据数据集提前给定；f_ij为矩阵F第i行第j列的元素，表示第i个数据点x_i隶属于第j类分类的隶属度，F_l＝Y_l表示F中有l个标签，其余n-l个无标签，有标签样本的隶属度需要提前给定；r为模糊参数；t_j为矩阵T的第j列向量，t_j除第j行为1外各行均为0；1表示元素全为1的向量；

步骤3：将步骤1得到的带入步骤2构建的分类模型，采用交替迭代优化分类模型，得到分类器W和无标签数据的隶属度F：

交替迭代优化过程为：

1、初始化指示矩阵T：

2、固定W,F，求P,Z：

当W和F固定时，分类模型等价于下式，然后采用构建的拉格朗日函数求解

s.t.P≥0,P1＝1

所述构建拉格朗日函数：

求解求得Z和P为：

③固定P,Z,F,T求W

当P,Z,F,T固定时，分类模型等价于下式：

令S为对角矩阵且上式转化为：

将上式改写为函数形式：

后偏导求解：

解得：

④固定W,P,Z，求F

当W,P,Z固定时，分类模型等价于：

s.t.F_l＝Y_l,F≥0,F1＝1

设d_ij＝||W^Tx_i-z_j||₂，构建拉格朗日函数如下：

求得最优F，函数L₃(F)对F的偏导需为零：

根据给定解得：

重复步骤②～步骤④，收敛后得到W和F；F为训练集中各样本对每类的隶属度，每个样本隶属度最大值所在列数即为该样本所属的类别；

步骤4：利用训练得到的W，带入公式得到测试集中各样本对每类的隶属度F，F每一列表示一个样本隶属于各类的隶属度，每个样本隶属度最大值所在行数即为该样本所属的类别，从而完成对测试集数据进行分类。