技術(shù)特征：

1.一種自步增強(qiáng)圖像分類方法，其特征在于，包括如下步驟：

S10：輸入用于分類學(xué)習(xí)的圖像數(shù)據(jù)及其類別標(biāo)簽，對(duì)數(shù)據(jù)進(jìn)行特征提取，得到可用于機(jī)器學(xué)習(xí)的圖像樣本特征；

S20：基于增強(qiáng)學(xué)習(xí)框架和自步學(xué)習(xí)框架，建立數(shù)學(xué)模型；

S30：根據(jù)所建立的數(shù)學(xué)模型，推導(dǎo)各參數(shù)的更新公式，迭代地更新模型的參數(shù)和模型的弱分類器集合，直至收斂，得到分類模型；

S40：根據(jù)所學(xué)習(xí)到的分類模型，對(duì)新輸入的測(cè)試圖像樣本進(jìn)行分類，輸出預(yù)測(cè)的類別標(biāo)簽。

2.如權(quán)利要求1所述的自步增強(qiáng)圖像分類方法，其特征在于，步驟S20包括：

S201：基于增強(qiáng)學(xué)習(xí)框架構(gòu)建模型的分類函數(shù)，基于自步學(xué)習(xí)框架構(gòu)建模型的目標(biāo)函數(shù)，并添加正則項(xiàng)作規(guī)范化。

3.如權(quán)利要求1所述的自步增強(qiáng)圖像分類方法，其特征在于，步驟S30包括：

S301：通過交替優(yōu)化方法對(duì)模型的各參數(shù)迭代優(yōu)化；

S302：每次迭代中，利用列生成法學(xué)習(xí)新的弱分類器以更新分類模型的弱分類器集合。

4.如權(quán)利要求1-3任一項(xiàng)所述的自步增強(qiáng)圖像分類方法，其特征在于，所述的對(duì)圖像數(shù)據(jù)進(jìn)行特征提取所提取的特征為空間金字塔特征。

5.如權(quán)利要求4所述的自步增強(qiáng)圖像分類方法，其特征在于，包括：

輸入用于分類學(xué)習(xí)的圖像數(shù)據(jù)及其類別標(biāo)簽，對(duì)已標(biāo)注了類別標(biāo)簽的圖像數(shù)據(jù)提取空間金字塔特征，得到訓(xùn)練數(shù)據(jù)集D＝{(x₁，y₁)，...，(x_n，y_n)}，其中，是第i個(gè)圖像的空間金字塔特征，y_i∈{1，...，C}是第i個(gè)圖像的類別(i＝1，...，n)，n是圖像樣本的個(gè)數(shù)，d是特征維度，C是類別的總數(shù)；

對(duì)訓(xùn)練數(shù)據(jù)集D，基于增強(qiáng)學(xué)習(xí)框架，構(gòu)建分類函數(shù)：

$F_r(x;W)=\underset{j=1}{\overset{k}{\Σ}}{w}_{rj}{h}_j\left(x\right),w_{rj}\≥0,r=1,...,C$

其中，是一個(gè)二分類弱分類器；k是弱分類器的個(gè)數(shù)；w_rj≥0是待學(xué)習(xí)的參數(shù)；矩陣其中每一列w_r＝[w_r1，...，w_rk]^T；

基于自步學(xué)習(xí)框架，構(gòu)建目標(biāo)函數(shù)，并添加正則化項(xiàng)：

$\underset{W,v}{min}\underset{i=1}{\overset{n}{\Σ}}{v}_i\underset{r=1}{\overset{c}{\Σ}}L\left({\mathrm{\ρ}}_{ir}\right)+\underset{i=1}{\overset{n}{\Σ}}g(v_i;\mathrm{\λ})+\mathrm{\β}R\left(W\right)$

$s.t.\∀i,r,{\mathrm{\ρ}}_{\mathrm{ir}}=H_{i:}{w}_{y_i}-H_{i:}{w}_r;W\≥0;v_i\∈\left[\mathrm{0,1}\right]$

其中，L(·)是損失函數(shù)；v_i是樣本i的自步學(xué)習(xí)權(quán)重；是自步學(xué)習(xí)函數(shù)，λ>0為其參數(shù)；矩陣包含各弱分類器對(duì)各樣本的輸出，[H_ij]＝[h_j(x_i)]，H_i:表示H的第i行；R(W)是正則項(xiàng)；β>0是預(yù)設(shè)定的權(quán)衡參數(shù)；

根據(jù)上述模型，推導(dǎo)各參數(shù)的更新公式，迭代地更新模型的參數(shù)和模型的弱分類器集合，直至收斂；

對(duì)新輸入的測(cè)試圖像，提取其空間金字塔特征x，其預(yù)測(cè)類別為：

y(x)＝argmax_{r∈{1，...，C}}F_r(x；W)。

6.如權(quán)利要求1-5任一項(xiàng)所述的自步增強(qiáng)圖像分類方法在圖像分類問題中的應(yīng)用。

7.一種自步增強(qiáng)圖像分類系統(tǒng)，其特征在于，包括如下模塊：

數(shù)據(jù)預(yù)處理模塊：用于輸入用于分類學(xué)習(xí)的圖像數(shù)據(jù)及其類別標(biāo)簽，對(duì)數(shù)據(jù)進(jìn)行特征提取，輸出可用于機(jī)器學(xué)習(xí)的圖像樣本特征；

建模模塊：用于根據(jù)數(shù)據(jù)預(yù)處理模塊輸出的圖像樣本特征，基于增強(qiáng)學(xué)習(xí)框架和自步學(xué)習(xí)框架，建立分類數(shù)學(xué)模型；

參數(shù)更新模塊：用于根據(jù)建模模塊建立的數(shù)學(xué)模型，推導(dǎo)各參數(shù)的更新公式，迭代地更新模型的參數(shù)和模型的弱分類器集合，直至收斂，得到分類模型；

分類預(yù)測(cè)模塊：用于根據(jù)參數(shù)更新模塊輸出的分類模型，對(duì)新輸入的測(cè)試圖像樣本進(jìn)行分類，輸出預(yù)測(cè)的類別標(biāo)簽。

8.如權(quán)利要求7所述的自步增強(qiáng)圖像分類系統(tǒng)，其特征在于，所述建模模塊以增強(qiáng)學(xué)習(xí)為框架構(gòu)建模型的分類函數(shù)，以自步學(xué)習(xí)為框架構(gòu)建模型的目標(biāo)函數(shù)，并添加正則項(xiàng)作規(guī)范化。

9.如權(quán)利要求7或8所述的自步增強(qiáng)圖像分類系統(tǒng)，其特征在于，所述參數(shù)更新模塊通過交替優(yōu)化方法對(duì)模型的各參數(shù)迭代優(yōu)化，并于每次迭代中利用列生成法學(xué)習(xí)新的弱分類器以更新分類模型的弱分類器集合。

10.如權(quán)利要求7-9任一項(xiàng)所述的自步增強(qiáng)圖像分類系統(tǒng)在圖像分類問題中的應(yīng)用。