[发明专利]基于约束自适应传递的半监督图像分类方法

摘要

本发明公开了一种基于约束自适应传递的半监督图像分类方法，主要解决现有半监督图像分类方法的分类精度低，存在信息缺陷，运行时间不稳定的问题。其实现步骤是：(1)输入待分类的图像和对式约束集合；(2)构造最近邻集合；(3)构造相似度矩阵；(4)构造拉普拉斯矩阵；(5)构造对式约束权值矩阵；(6)解半正定规划；(7)聚类并输出结果。本发明具有分类精度较高，运行时间稳定的优点，有效的克服了现有半监督图像分类方法存在的核矩阵信息缺陷问题。

主权项

一种基于约束自适应传递的半监督图像分类方法，包括如下步骤：(1)分别输入待分类的图像集合、相连对式约束集合、不相连对式约束集合、类别数；(2)构造最近邻集合2a)计算每个图像与其他图像间的欧式距离；2b)寻找与每个图像距离最近的k个图像构成最近邻集合；(3)构造相似度矩阵3a)利用尺度参数公式计算每个图像的尺度参数；3b)利用相似度公式计算相似度矩阵；(4)构造拉普拉斯矩阵；(5)构造对式约束权值矩阵利用下面两式分别构造相连对式约束权值矩阵和不相连对式约束权值矩阵：EM＝∑(i，j)∈M(ei‑ej)(ei‑ej)TEC＝∑(i，j)∈C(ei‑ej)(ei‑ej)T其中，EM和EC分别表示相连对式约束权值矩阵和不相连对式权值矩阵，M表示相连对式约束集，C表示不相连对式约束集，(i，j)∈M表示第i个图像与第j个图像属于相连对式约束集，(i，j)∈C表示第i个图像与第j个图像属于不相连对式约束集，ei和ej分别表示n×n的单位矩阵的第i列和第j列，n表示待分类图像数目，(.)T表示求转置运算；(6)利用解半正定规划工具SeDuMi，解如下半正定规划得到优化核矩阵： min Z > 0 Tr ( LZ ) + αTr ( E M Z ) - βTr ( E C Z ) s.t.zii＝1，(i＝1，2，...，n)其中，min表示最小值，Z表示核矩阵，Tr(·)表示迹操作，L表示拉普拉斯矩 阵，α和β为两个权值参数，其取值范围为[0.2，1.5]，EM和EC分别表示相连对式约束权值矩阵和不相连对式权值矩阵，s.t.表示约束，zii表示核矩阵的第i个对角元素，n表示待分类图像数目；(7)利用K‑means聚类工具，将优化核矩阵的各行聚为输入的类别数。