一种基于机器学习和粒球谱聚类的图像分类方法

本发明设计一种基于机器学习和粒球谱聚类的图像分类方法，包括：获取图像数据集，通过特征提取模型提取图像数据集中每个图象的特征向量；将图像数据集中所有图像的特征向量视为一个整体创建初始粒球，并计算该初始粒球的可变稀疏度测度VSM值；若VSM值低于预设阈值，则利用2‑means聚类算法将该粒球分割为两个更小的粒球；若VSM值大于等于预设阈值，则不再细分；对新生成的粒球重复上述计算VSM值和分割的操作，直到所有粒球的VSM值都符合条件；根据粒球的中心特征向量和粒球的半径，计算生成的粒球之间的相似度；根据粒球之间的相似度将生成的粒球通过谱聚类划分为多个簇，其中，每个簇代表一种类别；计算待测图像样本的特征向量与每个粒球的中心特征向量之间的相似度，将最相似的粒球所属簇对应的类别作为待测图像样本的分类结果。本发明能够为图像分类领域提供了更可靠、高效的技术支持。