一种基于稀疏表示的鲁棒半监督图像分类方法

本发明涉及一种基于稀疏表示的鲁棒半监督图像分类方法，将数据集分为训练集和测试集，分别各自拉长为图像数据矩阵并归一化处理；设定目标函数后对训练集训练，利用训练得到的分类器和分类偏置得到训练集和测试集的数据分类。本发明提出一种利用范数挖掘无标签数据隐含信息的半监督学习框架，抑制了数据中离群点对分类的影响，提高了算法鲁棒性。引入了范数，使算法运算过程中的矩阵更加稀疏，图像数据处理效率显著提升。因此，本发明在实际工程应用中的实用性更强。本发明采用隶属度大小表征样本所属类别，受边界点的影响较小，鲁棒性较强。