[发明专利]用于小样本图像识别的样本抽取、扩充方法及存储介质

权利要求书

1.一种用于小样本图像识别的样本抽取方法，其特征在于，包括以下步骤：

S1、计算出图像大样本数据集的各类别中心支持点C_k；

S2、从样本特征的角度对同类样本数据划分为动态数量的簇，并根据每种划分情况先计算出各簇的质心；

根据各簇的质心计算出在该种划分情况下该类别新的中心点；并通过计算同簇误差和质心误差之和作为该类别在该种划分情况的总误差；选出最小误差的情况作为该类别的最优划分方式；

S3、从最优划分的各簇中按照其样本分布均匀定量的抽取出样本，作为特征重构的小样本数据集；

计算出图像大样本数据集的各类别中心支持点C_k的过程包括以下步骤：

针对于图像大样本数据集，计算出大样本数据集中每个类别中所有特征向量的平均向量，将其作为该类别的中心支持点C_k：

S_k表示第K个类别的样本集，|S_k|表示第K个类别的样本集中样本的数量；x_i表示属于S_k样本集的样本数据，y_i是样本x_i对应的标签；为嵌入函数；

步骤S2包括以下步骤：

2.1、将大样本数据集中每个类别中样本的特征向量聚类成一个动态数量的簇，设有m个簇；

2.2、计算出各个新簇的质心C′_{k_m_n}，将该簇下的所有样本表示为X∈S_{k_m_n}；C′_{k_m_n}表示将类别k的数据划分为m个簇后，第n簇的质心；S_{k_m_n}表示将类别k中的样本划分为m个簇后，第n个簇中的所有样本的集合；

2.3、通过各个新簇的质心C′_{k_m_n}计算出该类别在该种划分情况下的新质心C′_{k_m}；

其中，C′_{k_m}表示将第K个类别的样本划分为m个簇后，由每个簇的质心构成的该类别新的中心支持点；

2.4、通过计算同簇误差L_sce和质心误差L_ce的和作为该类别在该种划分情况下的总误差L_s；从中选出总误差最小的情况作为该类别数据的最优划 分；

所述的总误差L_s＝L_sce+L_ce；其中

同簇误差为每个簇中所有样本与该簇质心间的距离之和：

质心误差为通过各簇质心构造出的该类别的新质心与大样本中该类别质心间的距离：

L_ce＝C′_{k_m}-C_k。