[发明专利]信息流素材创意图片的分类方法

摘要

本发明公开了一种信息流素材创意图片的分类方法，首先搜索该测试图像在每个环中最优或算法所能达到的最优位置，对于每个环，测试图像会插入使熵增加最小的位置，再通过比较所有环的熵增量，测试图片会添加到熵值增加最小的环所代表的分组即分类中，本发明借助熵描述符，可以更好的构造用于图片分类的熵环，通过最小化熵值获得最优环，此时图片将按语义顺序连接，对于很难分类的容易混淆的图片集仍能产生非常好的效果。

主权项

1.一种信息流素材创意图片的分类方法，其特征在于，包括：给定一个图片特征向量的集合，X＝{xi|xi∈Rm,i＝1,2,...,n}，首先定义一个长度为n的闭合且无自相交的环，每个在该环中得向量都与邻居相连，其对应的连接顺序O可以描述为：{o1,o2,o3,...,on,o1}，其中每一项对应向量的索引，这样集合X的在顺序O下的GEOMEN值为环上各点熵值的平均值，即：且各s(X,O,i)为两分量加权和：空间分量p(X,O,i)和几何分量g(X,O,i)如下：s(X,O,i)＝ap(X,O,i)+g(X,O,i)上式a是用来修正空间分量对GEOMEN的贡献大小；GEOMEN表征按照顺序O连接的环的平滑程度，另外，它也是在数据近似性的量度，因为图片排序可以被看做提取一维流行的问题，但实际情况下这是一条曲线，因此仅考虑在一维曲线上GEOMEN的表示；GEOMEN的空间分量用欧拉距离量度，其中，与为环O中得相邻项；几何分量由两部分组成：曲线曲率k和正则项ρ，即：引入正则项修正噪声对曲率的影响；如果两个类别有一个明显的区别，那么在边界点处熵值便会极大的增加，每个类首先都需要通过训练获得一个最优环即该类别的模型，这样对于待预测图片，通过比较其插入每个最优环的熵增即可获得该图片的分类标签，为了找到最优环，需要最小化GEOMEN值，亦即：O*＝argminS(X,O)通过简单的禁忌搜索算法获得熵的全局最小值，每个类的最优环实际上训练图片的提取模型，用于获取测试未知图片的类别标签，分类的策略为在所有环中找到图片Q的最优位置，测试图片的类别即位最优位置所在环的类别。