[发明专利]一种基于几何保持双投影的图像多标签分类方法

说明书

本发明公开了一种基于几何保持双投影的图像多标签分类方法，本方法与传统的多标签分类算法直接从特征空间学习合适的特征维数不同，本发明所提出的方法是同时从输入特征空间和输出特征空间学习双标签和特征空间投影，从而实现标签和特征空间的降维，考虑到标签流形和特征流形中不仅有标签还有特征数据，同时通过构造标签图和特征图来学习标签流形和特征流形的几何结构。本方法通过从标签和特征空间进行几何保持的双重投影学习，最终以同样的方式在标签和特征空间中学习更好的低秩结构。

技术领域

本发明属于计算机图像处理技术领域，尤其是一种基于几何保持双投影的图像多标签分类方法。

背景技术

目前，多标签分类有两种方法：算法适应方法和问题转换。算法适应方法调整了流行的学习算法，以执行多标签分类，如ML-KNN，ML-DT。问题转换方法采用多标签问题转换为已知学习方法，这些方法包括二进制相关性，分类链等算法。这些传统的方法在一些小数据集上效果显著。然而，随着现今数据集的扩大，传统的多标签分类方法无法应对高维、复杂的数据结构。

为了解决标签和特征空间中冗余和无关的数据，许多降维算法被提出如MLQPFS，MIFS等。这些算法选取了重要的数据或者将数据映射到低维的空间从而获取低秩的结构。然而，现有的算法只关注特征空间或者标签空间而忽略它们之间的联系。因此，现有的多标签分类方法的多标签分类的效果不好。

发明内容

为了解决现有技术中存在的不足，本申请提出了一种基于几何保持双投影的图像多标签分类方法。不仅可以从特征空间中学习特征投影，还可以从标签空间中学习标记投影。因此，本方法可以分别在标签输出空间和功能空间中学习双低级空间结构，从而提高分类的准确性。除此之外，通过构建标签图和特征图来探索标签流形和特征流形的几何结构，从而进一步学习低秩投影。

本发明所采用的技术方案如下：

一种基于几何保持双投影的图像多标签分类方法，

步骤1、准备待分类的图像样本及图像样本对应的标签，由图像样本构成特征空间表示为X＝[x₁，x₂，......，x_n]，由标签构成标签空间表示为Y∈{0，1}^q×n，其中，x_n为训练实例即图像样本，n是训练实例的数量，q是标签的维度；

步骤2，基于标签空间和特征空间进行几何保持双投影学习，包括如下步骤：

步骤2.1，分别在标签空间和特征空间上对应学习双投影矩阵V和P，将标签空间映射到嵌入空间从而实现降维；

步骤2.2，构造标签图和特征图来学习标签流形和特征流形的几何结构；

步骤2.3，基于标签流形、特征流形和双投影矩阵V和P，构建了一个几何保持双投影模型；该模型待优化的目标函数表示如下：

s.t.V^TYY^TV＝I，P＝Q

其中，P和V是双投影矩阵，Q是等价矩阵，是F范数运算；tr(*)是迹运算；α和β表示正则化参数来权衡第二项和第三项；I为单位矩阵；

步骤3，基于所构建的几何保持双投影模型，预测多标签分类结果。

进一步，求解几何保持双投影模型的目标函数中双投影矩阵P、V以及等价矩阵Q的方法为：

求解等价矩阵Q：

对目标函数使用增广拉格朗日函数法，优化问题转化为求解以下增广拉格朗日乘子问题：

其中，Y₁为拉格朗日乘子，μ为参数；