[发明专利]一种使用分类器进行分类的方法和装置

权利要求书

1.一种使用分类器进行分类的方法，包括：

生成待分类对象的特征向量；以及

使用信息最大化生成对抗神经网络(InoGAN)分类器的判别器识别所述待分类对象的所述特征向量的类别。

2.如权利要求1所述的方法，其中，所述方法还包括：

获取所述待分类对象的信息，并生成与所述待分类对象的信息相关的数据，

其中，

所述待分类对象的所述特征向量基于与所述待分类对象的信息相关的数据生成。

3.如权利要求1所述的方法，其中，所述方法还包括：

根据训练样本对所述分类器的所述判别器和生成器进行训练，

其中，

训练完成的所述判别器被用于识别所述待分类对象的所述特征向量的类别。

4.如权利要求3所述的方法，其中，对所述分类器的所述判别器和生成器进行训练，包括：

生成训练样本的特征向量，以及与该训练样本的类别对应的标签向量，并生成包含所述特征向量和所述标签向量的样本向量；

基于所述样本向量和信息码(information code)，对所述判别器和所述生成器进行训练。

5.如权利要求4所述的方法，其中，基于所述样本向量和信息码，对所述判别器和所述生成器进行训练，包括：

所述生成器根据所述信息码生成对照样本向量，所述对照样本向量与所述样本向量的维度相同；

所述对照样本向量或所述样本向量被输入所述判别器，所述判别器判别被输入的向量是所述对照样本向量还是所述样本向量，并识别输入的向量的类别；以及

根据所述判别器判别的结果调整所述生成器中各节点的权值，根据所述判别器判别的结果和所述判别器对类别进行识别的结果调整所述判别器中各节点的权值。

6.如权利要求4所述的方法，其中，对所述分类器的所述判别器和生成器进行训练，还包括：

获取所述训练样本的信息，并生成与所述训练样本的信息相关的数据，

其中，

所述训练样本的特征向量基于与所述训练样本的信息相关的所述数据生成。

7.一种使用分类器进行分类的装置，包括：

特征向量生成单元，其生成待分类对象的特征向量；以及

分类器单元，其使用信息最大化生成对抗神经网络(InoGAN)分类器的判别器识别所述待分类对象的所述特征向量的类别。

8.如权利要求7所述的装置，其中，所述装置还包括：

第一数据预处理单元，其用于获取所述待分类对象的信息，并生成与所述待分类对象的信息相关的数据，

其中，所述特征向量生成单元根据所述第一数据预处理单元生成的所述数据，生成所述待分类对象的所述特征向量。

9.如权利要求7所述的装置，其中，所述装置还包括：

训练单元，其根据训练样本对所述分类器的所述判别器和生成器进行训练，

所述分类器单元使用训练完成后的所述判别器识别所述待分类对象的所述特征向量的类别。

10.如权利要求9所述的装置，其中，所述训练单元包括：

样本向量生成单元，其生成训练样本的特征向量，以及与该训练样本的类别对应的标签向量，并生成包含所述特征向量和所述标签向量的样本向量；

分类器训练单元，基于所述样本向量和信息码(information code)，对所述判别器和所述生成器进行训练，

其中，

所述生成器根据所述信息码生成对照样本(即，伪造样本)向量，所述对照样本向量与所述样本向量的维度相同，

所述对照样本向量或所述样本向量被输入所述判别器，所述判别器判别被输入的向量是所述对照样本向量还是所述样本向量，并识别输入的向量的类别，

所述分类器训练单元根据所述判别器判别的结果调整所述生成器中各节点的权值，根据所述判别器判别的结果和所述判别器对类别进行识别的结果调整所述判别器中各节点的权值。

11.如权利要求9所述的装置，其中，所述训练单元还包括：

第二数据预处理单元，其用于获取所述训练样本的信息，并生成与所述训练样本的信息相关的数据，

其中，所述样本向量生成单元根据所述第二数据预处理单元生成的所述数据，生成所述训练样本的特征向量。