數(shù)據(jù)分類方法和裝置的制造方法
【技術領域】
[0001] 本發(fā)明實施例涉及通信技術，尤其涉及一種數(shù)據(jù)分類方法和裝置。
【背景技術】
[0002] 數(shù)據(jù)分類技術一直是口工業(yè)界和學術界的研究熱點。數(shù)據(jù)分類技術可W包括圖 片場景分類、文本分類(例如應用于多語言文本情感分類領域)、多媒體語義分類(例如應用 于多媒體語義識別領域)。圖片場景分類可W為圖片的后續(xù)處理提供方便，一個潛在的應用 場合是在手機平臺上。隨著智能手機的普及，手機拍照已經(jīng)成為手機的第二大功能。通過 手機拍攝場景圖片而識別出用戶所處的環(huán)境，可W為用戶提供相關服務，例如判定拍攝圖 片是在會議廳，自動設置成會議狀態(tài)模式，使得手機變得更加智能。
[0003] 現(xiàn)有的數(shù)據(jù)分類技術是基于實特征向量進行分類，使用實數(shù)值的特征表示作為輸 入進行分類器訓練，但該種技術需要耗費大量的計算資源，計算效率低，不適用于大規(guī)模數(shù) 據(jù)的分類。

【發(fā)明內容】

[0004] 本發(fā)明實施例提供一種數(shù)據(jù)分類方法和裝置，W克服現(xiàn)有技術的數(shù)據(jù)分類方法計 算量過大，計算效率低的問題。
[0005] 第一方面，本發(fā)明實施例提供一種數(shù)據(jù)分類方法，包括：
[0006] 根據(jù)從待分類數(shù)據(jù)中抽取到的至少一個特征對所述待分類數(shù)據(jù)進行歸一化處理， W使所述待分類數(shù)據(jù)的各個特征對應的數(shù)據(jù)取值范圍一致，形成所述待分類數(shù)據(jù)的特征數(shù) 據(jù)；
[0007] 利用二值化壓縮碼編碼器處理所述待分類數(shù)據(jù)的特征數(shù)據(jù)，得到所述待分類數(shù)據(jù) 的二值化壓縮碼；
[0008] 利用基于二值化壓縮碼的分類器對所述待分類數(shù)據(jù)的二值化壓縮碼進行分類處 理，獲得所述待分類數(shù)據(jù)的類別。
[0009] 在第一方面的第一種可能的實現(xiàn)方式中，在所述根據(jù)從待分類數(shù)據(jù)中抽取到的至 少一個特征對所述原始數(shù)據(jù)進行歸一化處理，W使所述待分類數(shù)據(jù)的各個特征對應的數(shù)據(jù) 取值范圍一致，形成所述待分類數(shù)據(jù)的特征數(shù)據(jù)之前，還包括：
[0010] 對樣本數(shù)據(jù)進行歸一化處理，W使所述樣本數(shù)據(jù)的各個特征對應的數(shù)據(jù)取值范圍 一致，形成壓縮碼訓練數(shù)據(jù)，所述樣本數(shù)據(jù)來自于所述待分類數(shù)據(jù)；
[0011] 利用所述壓縮碼訓練數(shù)據(jù)對二值化壓縮碼編碼器進行編碼器訓練，獲得二值化壓 縮碼編碼器，并獲得二值化壓縮碼；
[0012] 將所述二值化壓縮碼作為分類器訓練數(shù)據(jù)，對分類器進行訓練，獲得基于二值化 壓縮碼的分類器。
[0013] 根據(jù)第一方面的第一種可能的實現(xiàn)方式，在第二種可能的實現(xiàn)方式中，所述利用 所述壓縮碼訓練數(shù)據(jù)對二值化壓縮碼編碼器進行編碼器訓練，獲得二值化壓縮碼編碼器， 包括：
[0014] 利用所述壓縮碼訓練數(shù)據(jù)，根據(jù)W下使分類誤差的目標函數(shù)最小化的公式進行編 碼器訓練：
[0015]
[001引其中，a ik是權重系數(shù)，Ibik ? fk(Xi))為損失函數(shù)，所述損失函數(shù)的表達式為 1 (a) =max (0, 1-a)，yike(-1，1)，為Xi在第k類別的類別標化Xi為第i個壓 縮碼訓練數(shù)據(jù)，
W;"為第k類別中，第m個特征 對應的分類參數(shù)，bk為偏置參數(shù)，M為特征的數(shù)量，A為投影矩陣，AW為 第m個特征對應的投影矩陣，(A?Xi?)為哈希函數(shù)，N為所述壓縮碼訓練數(shù)據(jù)的個數(shù)，K 為所述壓縮碼訓練數(shù)據(jù)的類別個數(shù)，g(W)和h(A)是兩個規(guī)范化函數(shù)，分別用于調整分類參 數(shù)矩陣W和投影矩陣A的作用，Ai和A2為兩個實數(shù)，分別用于調整規(guī)范化函數(shù)g(W)和 h(A)；
[0017]訓練后得到所述投影矩陣A、所述分類參數(shù)矩陣W和偏置矩陣B ;
[001引并將所述哈希函數(shù)；(A?Xi?)作為二值化壓縮碼編碼器。
[0019] 根據(jù)第一方面的第二種可能的實現(xiàn)方式，在第H種可能的實現(xiàn)方式中，所述利用 基于二值化壓縮碼的分類器對所述待分類數(shù)據(jù)的二值化壓縮碼進行分類處理，包括：通過 如下函數(shù)對所述待分類數(shù)據(jù)的二值化壓縮碼進行分類處理：
[0020]
根據(jù)第一方面的第二種或第H種可能的實現(xiàn)方式，在第四種可能的實 現(xiàn)方式中，在所述利用所述壓縮碼訓練數(shù)據(jù)對二值化壓縮碼編碼器進行編碼器訓練之前， 還包括：
[0021] 為所述樣本數(shù)據(jù)的各個特征分配分類器回歸系數(shù)或權重的稀疏性限制，W使所述 二值化壓縮碼編碼器進行編碼時每個特征分配相同或不同的位數(shù)。
[0022] 根據(jù)第一方面的第四種可能的實現(xiàn)方式，在第五種可能的實現(xiàn)方式中，所述為所 述每個特征分配分類器回歸系數(shù)或權重的稀疏性限制，包括：
[0023] 引入分類參數(shù)矩陣W=[wi…Wk]G I^xK，其中C表示對每種特征的編碼長度，M表 示特征的數(shù)量，K表示分類目標的類別個數(shù)，C、M、K分別為大于1的整數(shù)，Wk為列向量，表示 第k個類別中各個特征對應的分類參數(shù)，k={l，…，時。
[0024] 根據(jù)第一方面的第五種可能的實現(xiàn)方式，在第六種可能的實現(xiàn)方式中，所述為所 述每個特征分配分類器回歸系數(shù)或權重的稀疏性限制，包括：
[002引利用L2,i范數(shù)對分類參數(shù)矩陣W進行稀疏性限制。
[0026] 在第一方面的第走種可能的實現(xiàn)方式中，在所述根據(jù)從待分類數(shù)據(jù)中抽取到的至 少一個特征對所述待分類數(shù)據(jù)進行歸一化處理，W使所述待分類數(shù)據(jù)的各個特征對應的數(shù) 據(jù)取值范圍一致，形成所述待分類數(shù)據(jù)的特征數(shù)據(jù)之前，還包括：
[0027] 從所述待分類數(shù)據(jù)抽取至少一個特征，所述特征反映所述待分類數(shù)據(jù)的特點。
[002引根據(jù)第一方面的第走種可能的實現(xiàn)方式，在第八種可能的實現(xiàn)方式中，所述從所 述待分類數(shù)據(jù)抽取至少一個特征，包括采用W下至少一個算法處理所述待分類數(shù)據(jù)；尺度 不變特征轉換SIFT、詞袋BOW和面向分類的全局圖像特征GIST。
[0029] 根據(jù)第一方面的第一種至第八可能的實現(xiàn)方式中的任意一種，在第九種可能的實 現(xiàn)方式中，所述對樣本數(shù)據(jù)進行歸一化處理，W使所述樣本數(shù)據(jù)的各個特征對應的數(shù)據(jù)取 值范圍一致，形成壓縮碼訓練數(shù)據(jù)，包括：
[0030] 對樣本數(shù)據(jù)進行歸一化處理，W使所述樣本數(shù)據(jù)的各個特征對應的數(shù)據(jù)取值范圍 一致，并對所述樣本數(shù)據(jù)進行類別標記，形成壓縮碼訓練數(shù)據(jù)。
[0031] 根據(jù)第一方面的第一種至第九可能的實現(xiàn)方式中的任意一種，在第十種可能的實 現(xiàn)方式中，所述將所述二值化壓縮碼作為分類器訓練數(shù)據(jù)，對分類器進行訓練，獲得基于二 值化壓縮碼的分類器，包括：
[0032] 采用支持向量機SVM、貝葉斯模型和邏輯回歸函數(shù)中的任意一個作為分類器，利用 二值化壓縮碼對分類器進行訓練，獲得基于所述二值化壓縮碼的分類器。
[0033] 第二方面，本發(fā)明實施例提供一種數(shù)據(jù)分類裝置，包括：
[0034]歸一化處理模塊，用于根據(jù)從待分類數(shù)據(jù)中抽取到的至少一個特征對所述待分類 數(shù)據(jù)進行歸一化處理，W使所述待分類數(shù)據(jù)的各個特征對應的數(shù)據(jù)取值范圍一致，形成所 述待分類數(shù)據(jù)的特征數(shù)據(jù)；
[0035] 壓縮模塊，用于利用二值化壓縮碼編碼器處理所述待分類數(shù)據(jù)的特征數(shù)據(jù)，得到 所述待分類數(shù)據(jù)的二值化壓縮碼；
[0036] 分類模塊，用于利用基于二值化壓縮碼的分類器對所述待分類數(shù)據(jù)的二值化壓縮 碼進行分類處理，獲得所述待分類數(shù)據(jù)的類別。
[0037] 在第二方面的第一種可能的實現(xiàn)方式中：
[0038] 所述歸一化處理模塊，還用于對樣本數(shù)據(jù)進行歸一化處理，W使所述樣本數(shù)據(jù)的 各個特征對應的數(shù)據(jù)取值范圍一致，形成壓縮碼訓練數(shù)據(jù)，所述樣本數(shù)據(jù)來自于所述待分 類數(shù)據(jù)；
[0039] 所述裝置還包括：
[0040] 編碼器訓練模塊，用于利用所述壓縮碼訓練數(shù)據(jù)對二值化壓縮碼編碼器進行編碼 器訓練，獲得二值化壓縮碼編碼器，并獲得二值化壓縮碼；
[0041] 分類器訓練模塊，用于將所述二值化壓縮碼作為分類器訓練數(shù)據(jù)，對分類器進行 訓練，獲得基于二值化壓縮碼的分類器。
[0042] 根據(jù)第二方面的第一種可能的實現(xiàn)方式，在第二種可能的實現(xiàn)方式中，所述編碼 器訓練模塊，具體用于：
[0043] 利用所述壓縮碼訓練數(shù)據(jù)，根據(jù)W下使分類誤差的目標函數(shù)最小化的公式進行編 碼器訓練：
[0044]
[004引其中，aik是權重系數(shù)，l(yik?fk(Xi))為損失函數(shù)，所述損失函數(shù)的表達式為 1 (a) =max (0, 1-a)，yike (-1，1)，為Xi在第k類別的類別標化Xi為 第i個壓縮碼訓練數(shù)據(jù)，
W：為第k類別中， 第m個特征對應的分類參數(shù)，bk刃懈置寥數(shù)，M刃特征的數(shù)量，A為投 影矩陣，A?為第m個特征對應的投影矩陣，MA^x嚴）為哈希函數(shù)，N為所述壓縮碼訓練 數(shù)據(jù)的個數(shù)，K為所述壓縮碼訓練數(shù)據(jù)的類別個數(shù)，g(W)和h(A)是兩個規(guī)范化函數(shù)，分別用 于調整分類參數(shù)矩陣W和投影矩陣A的作用，A 1和A2為兩個實數(shù)，分別用于調整規(guī)范化 函數(shù)g(w)和h(A);
[0046] 訓練后得到所述投