基于主動學習的多標簽圖像分類方法研究.pdf

1、隨著互聯(lián)網(wǎng)信息技術的迅猛發(fā)展，各種圖像數(shù)據(jù)呈爆炸式增長。如何對海量的圖像數(shù)據(jù)進行有效的管理成為了一個亟待解決的問題，而圖像分類，是有效管理圖像數(shù)據(jù)的主要方式之一。早期的圖像分類方法主要對圖像進行二分類或多類分類，每次只需為圖像選擇一個類別標簽，這就是最常見的單標簽分類方法。這些單標簽學習方法簡單易行，在實際應用中已獲得了巨大的成功。然而，在真實世界中，一幅圖像往往不只包含單一的語義，因此，多標簽學習方法在實際應用中更具有現(xiàn)實意義。

2、>　　為了有效降低獲取圖像樣本的標注代價，本文針對多標簽圖像分類問題中訓練集的選擇策略進行研究，提出了基于主動學習的多標簽圖像分類方法的研究方案，論文的主要研究工作如下：
　　(1)研究面向多標簽圖像分類的主動學習采樣策略。分析研究現(xiàn)有的兩類方法：基于樣本查詢和基于樣本標簽對查詢的方法，并分析各自典型算法的研究思路以及優(yōu)勢和不足，為后續(xù)的研究工作提供理論基礎。
　　(2)針對基于樣本查詢的方法存在標簽信息冗余的問題，在不確定

3、性采樣策略的基礎上，提出了最優(yōu)標簽子集選擇的方法。改善多標簽分類性能的同時大大降低了標注代價，提升了分類方法的效率。
　　(3)討論多標簽學習中標簽關系挖掘與利用問題，提出了一種基于層次標簽樹的標簽關系挖掘方法。采樣過程中充分利用已有數(shù)據(jù)的信息，并結(jié)合挖掘發(fā)現(xiàn)的標簽內(nèi)在關系，進一步提升分類器的性能。
　　本文對提出的方法進行實驗驗證，選擇了四個評價準則在多個圖像數(shù)據(jù)集上與現(xiàn)有的方法進行比較，并對實驗數(shù)據(jù)進行分析，驗證了本文所