基于主动学习和半监督学习的多类图像分类方法

发明专利无效专利

申请号：
CN201010184378.3
IPC分类号：G06K9/66
申请日期：
2010-05-20
申请人：
武汉大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	基于主动学习和半监督学习的多类图像分类方法
申请号	CN201010184378.3	申请日期	2010-05-20
法律状态	权利终止	申报国家	中国
公开/公告日	2010-10-06	公开/公告号	CN101853400A
优先权	暂无	优先权号	暂无
主分类号	G06K9/66 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕 G06K9/64 应用带有许多基准的多个图像信号的同时比较或相关的，例如，电阻矩阵〔3〕 G06K9/66 这些基准通过适宜的方法是能够进行调节的，例如，学习〔3〕	IPC分类号	G;0;6;K;9;/;6;6查看分类表>
申请人	武汉大学	申请人地址	湖北省武汉市武昌珞珈山变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	武汉大学	当前权利人	武汉大学
发明人	曹永锋;陈荣;殷慧
代理机构	武汉科皓知识产权代理事务所（特殊普通合伙）	代理人	张火春

摘要

本发明涉及图像信息处理技术领域，尤其涉及一种基于主动学习和半监督学习的多类图像分类方法。本发明包括初始样本选择及分类器模型训练、BvSB主动学习样本选择、CST半监督学习、训练样本集及分类器模型更新、分类过程迭代五个步骤。本发明通过执行BvSB主动学习样本选择、CST半监督学习和SVM分类三方面的操作，使其在较小的人工标注情况下具有高效的图像分类效果，不会增加过多的计算负担，能够快速提供分类结果，兼顾了分类系统对计算复杂度的要求。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供