[发明专利]一种利用多来源数据具有隐私保护功能的图象分类方法

摘要

本发明公开了一种利用多来源数据具有隐私保护功能的图象分类方法，首先针对图象收集不同类型的特征属性，将每一组特征看作一个视图，每一个视图上训练一个分类器，对图象的结果进行预测，要求在有标记数据上预测的结果和真实的结果相同；在之后的训练过程中，要求不同视图的预测结果尽可能相近，使得预测性能强的视图能够辅助其它的视图，从而提升每一个视图以及综合的分类结果；最后利用在迭代训练过程中得到的分类器在每一个视图上进行图象分类。本发明所提供的方法实施过程中能够充分利用有标记数据和未标记数据上不同数据源的多种特征属性，适合数据源很多的情况，同时在整个训练过程中能够确保每一个数据源的特征属性不被其它数据源所获取。

主权项

一种利用多来源数据具有隐私保护功能的图象分类方法，其特征在于：包括图象分类模型训练和图象分类模型分类两个步骤；所述图像分类模型的训练步骤具体为：步骤100，从不同的K个数据源获取图象特征属性集，将每一个属性集看作一个视图；步骤101，在每一个视图上利用本视图的特征属性训练分类器，得到每一个视图上对所有样本的预测结果，训练过程中要求在有标记样本上每一个分类器的预测结果和真实标记相同；步骤102，将每个视图对所有图象的预测结果收集，拼接成一个矩阵，优化该矩阵的秩，使每一个视图上的预测结果尽可能一致；步骤103，判断每一个视图预测拼接构成的矩阵秩是否满足要求，如果否，则转入步骤101，继续分类器的训练；如果是，则通过该矩阵重构分类器，即每一个视图最终的预测结果根据该视图上的特征构造出针对该视图的分类器Wk确定；所述图象分类模型的分类步骤具体为：步骤200，从不同的K个数据源获取图象特征属性集，将每一个属性集看作一个视图；步骤201，利用训练过程中在每一个视图上得到的分类器Wk对每一个视图上的图象进行分类；步骤202，判断是否需要综合每一个视图进行图象分类，如果否，则获得每一个视图上的分类结果；如果是，则收集每一个视图的分类结果，将其进行融合，得到综合的分类结果。