[发明专利]信息流素材创意图片的分类方法

权利要求书

1.一种信息流素材创意图片的分类方法，其特征在于，包括：给定一个图片特征向量的集合，X＝{x_i|x_i∈R^m,i＝1,2,...,n}，首先定义一个长度为n的闭合且无自相交的环，每个在该环中得向量都与邻居相连，其对应的连接顺序O可以描述为：{o₁,o₂,o₃,...,o_n,o₁}，其中每一项对应向量的索引，这样集合X的在顺序O下的GEOMEN值为环上各点熵值的平均值，即：

且各s(X,O,i)为两分量加权和：空间分量p(X,O,i)和几何分量g(X,O,i)如下：

s(X,O,i)＝ap(X,O,i)+g(X,O,i)

上式a是用来修正空间分量对GEOMEN的贡献大小；GEOMEN表征按照顺序O连接的环的平滑程度，另外，它也是在数据近似性的量度，因为图片排序可以被看做提取一维流行的问题，但实际情况下这是一条曲线，因此仅考虑在一维曲线上GEOMEN的表示；

GEOMEN的空间分量用欧拉距离量度，其中，与为环O中得相邻项；几何分量由两部分组成：曲线曲率k和正则项ρ，即：

引入正则项修正噪声对曲率的影响；

如果两个类别有一个明显的区别，那么在边界点处熵值便会极大的增加，每个类首先都需要通过训练获得一个最优环即该类别的模型，这样对于待预测图片，通过比较其插入每个最优环的熵增即可获得该图片的分类标签，为了找到最优环，需要最小化GEOMEN值，亦即：

O^*＝argminS(X,O)

通过简单的禁忌搜索算法获得熵的全局最小值，每个类的最优环实际上训练图片的提取模型，用于获取测试未知图片的类别标签，分类的策略为在所有环中找到图片Q的最优位置，测试图片的类别即位最优位置所在环的类别。

2.一种信息流素材创意图片的分类方法，其特征在于，包括：

给定一个图片特征向量的集合，X＝{x_i|x_i∈R^m,i＝1,2,...,n}，首先定义一个长度为n的闭合且无自相交的环，每个在该环中得向量都与邻居相连，其对应的连接顺序O可以描述为：{o₁,o₂,o₃,...,o_n,o₁}，其中每一项对应向量的索引，这样集合X的在顺序O下的GEOMEN值为环上各点熵值的平均值，即：

且各s(X,O,i)为两分量加权和：空间分量p(X,O,i)和几何分量g(X,O,i)如下：

s(X,O,i)＝ap(X,O,i)+g(X,O,i)

上式a是用来修正空间分量对GEOMEN的贡献大小；GEOMEN表征按照顺序O连接的环的平滑程度，另外，它也是在数据近似性的量度，因为图片排序可以被看做提取一维流行的问题，

GEOMEN的空间分量用欧拉距离量度，其中，与为环O中得相邻项；几何分量由两部分组成：曲线曲率k和正则项ρ，即：

引入正则项修正噪声对曲率的影响。

3.如权利要求2所述的方法，其特征在于，仅考虑在一维曲线上GEOMEN的表示；

4.如权利要求2所述的方法，其特征在于，如果两个类别有一个明显的区别，那么在边界点处熵值便会极大的增加。

5.如权利要求4所述的方法，其特征在于，每个类首先都需要通过训练获得一个最优环即该类别的模型。

6.如权利要求5所述的方法，其特征在于，对于待预测图片，通过比较其插入每个最优环的熵增即可获得该图片的分类标签。

7.如权利要求6所述的方法，其特征在于，为了找到最优环，需要最小化GEOMEN值，亦即：

O^*＝argminS(X,O)。