面向标签恢复的子集划分迭代投影集成

• 作者: 应晓清 刘浩 袁文野 杨正成
• 来源期刊: 光学精密工程
• 关键词: 图像归类 特征提取 含噪标签 标签恢复 可靠降维
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 信息科学|Information Sciences
• 页码范围: 2719-2728
• 页数: 10页
• 分类号: TP18
• 语种: 中文
• DOI: 10.37188/OPE.20202812.2719

摘要

在图像特征提取中,样本标签并非完全真实有效,可能导致图像归类框架的分类精度大幅下降,而现有标签恢复算法面临含噪样本难以高效再利用的瓶颈问题.为此,本文提出一种基于子集划分迭代投影集成的标签恢复算法.该算法首先随机多次地提取小规模子集信息,然后综合主成分分析、邻域图正则化及K-近邻算法等技术进行样本图像的可靠降维与迭代投影集成,最后遵循多数投票原则实现标签复原.本文选取两大代表性的人脸数据库,对多种标签恢复算法进行了不同指标下的大量对比分析.实验结果证明,本文算法能够有效地校正样本的含噪标签,在同一图像归类框架下针对Yale B与AR数据库分别使分类精度提升了16.9％与8.1％.相较于目前最好的标签恢复算法,本文子集划分迭代投影集成算法可以提升4.3％～4.7％的分类精度,且在确保样本数据完整性的同时具备了一定的可扩展性.