公开(公告)号：CN104992184B

公开(公告)日：2018-03-09

申请号：CN201510381792.6

申请日：2015-07-02

Applicant: 东南大学

Inventor： 孙长银 ,  刘金花 ,  于化龙 ,  杨万扣

IPC: G06K9/62

Abstract: 本发明公开了一种基于半监督极限学习机的多类图像分类方法，将训练样本集分为已标注样本集L、未标注样本集U和测试集T；把U中的样本进行有放回重采样构建N个差异的训练子集；然后在各个子集上与已标记训练样本L分别训练一个半监督极限学习机模型，共N个分类器；将这N次极限学习机对应节点的输出求和取平均；将输出作归一化处理后，应用最优标记和次优标记算法BvSB的主动学习技术对样本进行不确定性评估，从U中取最不确定的样本进行人工标注并转移到L中；重新更新分类器模型，直至迭代结束。通过本发明，解决了相关技术中图像分类存在分类正确率低和学习速度低的问题，为准确、快速、稳定的图像分类奠定了一定的基础。

公开(公告)号：CN104992184A

公开(公告)日：2015-10-21

申请号：CN201510381792.6

申请日：2015-07-02

Applicant: 东南大学

Inventor： 孙长银 ,  刘金花 ,  于化龙 ,  杨万扣

IPC: G06K9/62

CPC classification number: G06K9/627 ,  G06K9/6256

Abstract: 本发明公开了一种基于半监督极限学习机的多类图像分类方法，将训练样本集分为已标注样本集L、未标注样本集U和测试集T；把U中的样本进行有放回重采样构建N个差异的训练子集；然后在各个子集上与已标记训练样本L分别训练一个半监督极限学习机模型，共N个分类器；将这N次极限学习机对应节点的输出求和取平均；将输出作归一化处理后，应用最优标记和次优标记算法BvSB的主动学习技术对样本进行不确定性评估，从U中取最不确定的样本进行人工标注并转移到L中；重新更新分类器模型，直至迭代结束。通过本发明，解决了相关技术中图像分类存在分类正确率低和学习速度低的问题，为准确、快速、稳定的图像分类奠定了一定的基础。