基于Universum结合矩阵Ho‑Kashyap算法的图像数据分类系统技术方案

本发明专利技术提供一种基于Universum结合矩阵Ho‑Kashyap算法的图像数据分类系统，首先使用基于In‑Between生成策略生成一定数量位于两类样本之间的第三类样本点，即Universum样本；之后将Universum样本点代入正则化项Runi中；接着将正则化项引入矩阵化之后的HK分类模型，构成完整的结合Universum的矩阵化HK模型；最后对该模型进行训练，得到模型针对当前训练数据集的最优参数，生成最优分类决策面。在测试阶段，将测试样本点代入决策面函数进行判断，输出分类标号。相较于传统的分类技术，本发明专利技术通过引入Universum样本，让原本的两类样本的对比更明显，进一步提高了精确度。

【技术实现步骤摘要】
基于Universum结合矩阵Ho-Kashyap算法的图像数据分类系统
本专利技术涉及模式分类
，尤其涉及一种对图像数据集进行识别处理的Universum结合矩阵Ho-Kashyap算法与系统。
技术介绍
模式识别是研究利用计算机来模仿或实现人类或其它动物的识别能力，以便对研究对象完成自动识别的任务。近年来，模式识别技术已被广泛应用在人工智能、机器学习、计算机工程、机器人学、神经生物学、医学、侦探学以及考古学、地质勘探、宇航科学和武器技术等许多重要领域。模式识别需要处理经典问题之一是对二维数据，即使用矩阵表示的数据，进行处理。在实际应用中，矩阵表示的数据常见于图像识别问题，例如人脸识别，指纹识别，或光谱识别。传统的模式分类方法在处理图像问题时，需要首先将一个图像样本转换为向量表示，再对向量化的样本进行处理。经典的方法包括支持向量机(SupportVectorMachine，SVM)，主成分分析(PrincipalComponentAnalysis)，Fisher线性判别(FisherLinearDiscriminant)等。处理向量化后的图像存在两个主要问题：首先，将一个图像本文档来自技高网...

【技术保护点】
一种基于Universum结合矩阵Ho‑Kashyap算法的图像数据分类系统，其特征在于：具体步骤是：1）、样本采集：后台根据具体的图像问题描述，将采集到的样本转化成可以供后续算法处理的矩阵模型；2）训练生成Universum样本：使用基于In‑Between生成策略生成一定数量位于两类样本之间的第三类样本点，即Universum样本；3）训练得到Universum正则化项Runi；4）训练得到矩阵模型MatMHKS；5）训练将正则化项Runi引入矩阵化模型得到最终模型UMatMHKS；6）使用梯度下降法求UMatMHKS目标函数的最优参数；7）测试阶段，将测试样本代入模型UMatMHKS生成...

【技术特征摘要】
1.一种基于Universum结合矩阵Ho-Kashyap算法的图像数据分类系统，其特征在于：具体步骤是：1）、样本采集：后台根据具体的图像问题描述，将采集到的样本转化成可以供后续算法处理的矩阵模型；2）训练生成Universum样本：使用基于In-Between生成策略生成一定数量位于两类样本之间的第三类样本点，即Universum样本；3）训练得到Universum正则化项Runi；4）训练得到矩阵模型MatMHKS；5）训练将正则化项Runi引入矩阵化模型得到最终模型UMatMHKS；6）使用梯度下降法求UMatMHKS目标函数的最优参数；7）测试阶段，将测试样本代入模型UMatMHKS生成的决策函数中计算，...

【专利技术属性】
技术研发人员：王喆，李冬冬，朱昱锦，崇传禹，高大启，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：上海,31