【技术实现步骤摘要】
本专利技术属于模式识别与数据挖掘领域，涉及一种基于噪声掩码的鲁棒支持向量机图像分类方法
技术介绍
1、图像分类任务作为有监督数据挖掘领域的重要研究课题，其目的在于识别各类数据在样本空间内的分布特征，进而对未预见的数据作出有效预测。作为经典分类方法之一，支持向量机分类方法通过寻求最优划分超平面，最大化不同类数据间的函数间隔完成分类任务。然而，由于信息采集和预处理过程无法确保用于超平面训练的数据信息准确有效，数据质量将在一定程度上影响支持向量机分类效果。与此同时，噪声污染对数据规模较小的样本干扰效果更为显著，可能导致支持向量机中最优超平面学习出现严重失误。
2、田文哲,符冉迪,金炜等(《面向卫星云图云分类的自适应模糊支持向量机》.武汉大学学报(信息科学版),2017,42(04):488-495.)提出样本隶属度自适应学习策略，预先为可能存在的异常点赋予较低权值后进行超平面学习。鲁淑霞,蔡莲香,张罗幻(《基于零阶减少方差方法的鲁棒支持向量机》.计算机科学,2019,46(11):193-201.)通过引入一种正弦平方形式的损失函...
【技术保护点】
1.一种基于噪声掩码的鲁棒支持向量机图像分类方法，其特征在于步骤如下：
2.根据权利要求1所述基于噪声掩码的鲁棒支持向量机图像分类方法，其特征在于：所述步骤1的支持向量机预训练中，任意样本点距超平面w·x+b＝0的函数间隔γi为：
3.根据权利要求1所述基于噪声掩码的鲁棒支持向量机图像分类方法，其特征在于：对于样本标签数量为2的图像数据集T＝{(x1,y1),(x2,y2),...,(xn,yn)}，能够习得鲁棒超平面划分；在此基础上能够通过“一对一”超平面策略将二分类模型拓展至多分类应用场景，既能够对样本标签数量为的M图像数据进行鲁棒支持向量
【技术特征摘要】
1.一种基于噪声掩码的鲁棒支持向量机图像分类方法，其特征在于步骤如下：
2.根据权利要求1所述基于噪声掩码的鲁棒支持向量机图像分类方法，其特征在于：所述步骤1的支持向量机预训练中，任意样本点距超平面w·x+b＝0的函数间隔γi为：
3.根据权利要求1所述基于噪声掩码的鲁棒支持向量机图像分类方法，其特征在于：对于样本标签数量为2的图像数据集t＝{(x1,y1),(x2,y2),...,(xn,yn)}，能够习得鲁棒超平面划分；在此基础上能够通过“一对一”超平面策略将二分类模型拓展至多分类应用场景，既能够对样本标签数量为的m图像数据进行鲁棒支持向量机训练及预测。
4.根据权利要求1或3所述基于噪声掩码的鲁棒支持向量机图像分类方法，其特征在于：所述步骤4的“一对一”超平面学习具体为：第i类数据和第j类数据间超平面学习表示为：
5.根据权利要求4所述基于噪声掩码的鲁棒支持向量机图像分类方法，其特征在于：所述“一对一”支持向量机学习策略共需训练个超平面。<...
【专利技术属性】
技术研发人员：王靖宇，郭圣昭，聂飞平，李学龙，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。