[發(fā)明專利]基于多尺度核稀疏保持投影的一維距離像識別方法

有效

• 申請?zhí)枺?/td>: 201710010006.0
• 申請日: 2017-01-06
• 公開（公告）號: CN106908774B
• 公開（公告）日: 2020-01-10
• 發(fā)明（設(shè)計(jì)）人: 戴為龍;劉文波;張弓
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 32200 南京經(jīng)緯專利商標(biāo)代理有限公司
• 代理人: 許方

1.基于多尺度核稀疏保持投影的一維距離像識別方法，其特征在于，包括訓(xùn)練階段和測試階段，所述訓(xùn)練階段的步驟如下：

(1)對一維距離像訓(xùn)練樣本集X＝[x₁,x₂,...,x_N]，提取其歸一化幅度特征集再進(jìn)行平移對齊操作，得到平移對齊后的幅度特征集H＝[h₁,h₂,...,h_N]，N為樣本容量；

(2)利用高斯核函數(shù)對幅度特征進(jìn)行多尺度核空間映射，得到訓(xùn)練樣本多尺度核空間特征向量集M為尺度總數(shù)；該步驟的具體過程如下：

采用的高斯核函數(shù)：

上式中，a,b＝1,2,…,N，σ_m為尺度m下的高斯核參數(shù)，在尺度m下得到H＝[h₁,h₂,...,h_N]的N×N維核矩陣K：

K_a,b＝G(h_a,h_b)

上式中，K_a,b表示核矩陣K的第a行b列元素；

對核矩陣K進(jìn)行高維空間上的中心化得到矩陣對進(jìn)行主成分分析，得到特征值矩陣中最大的l個(gè)特征值構(gòu)成的特征值矩陣Λ_l對應(yīng)的特征向量矩陣U_l＝[α₁,α₂,...,α_l]，l≤N，由U_l構(gòu)成核空間投影矩陣，在尺度m下對H＝[h₁,h₂,...,h_N]進(jìn)行核空間特征提取：

上式中，(·)^T表示轉(zhuǎn)置運(yùn)算，α_l,k表示U_l中特征向量α_l的第k個(gè)元素，表示h_j在尺度m下的核空間映射，j＝1,2,…,N，由此可以得到在尺度m下的核空間特征向量集Z_m＝[z₁,z₂,...,z_N]；

同理可求得其他各尺度下的核空間特征向量集，由此構(gòu)成訓(xùn)練樣本多尺度核空間特征向量集

(3)對進(jìn)行稀疏保持投影，得到多尺度核稀疏特征向量集

(4)對進(jìn)行串行特征融合，得到多尺度核空間稀疏保持融合特征向量集Q＝[q₁,q₂,...,q_N]；

(5)采用支持向量機(jī)分類器對Q進(jìn)行學(xué)習(xí)；

所述測試階段的步驟如下：

(6)對一維距離像測試樣本y，提取其歸一化幅度特征并與訓(xùn)練樣本進(jìn)行平移對齊，得到平移對齊后的幅度特征h_y；

(7)利用高斯核函數(shù)對幅度特征h_y進(jìn)行多尺度核空間映射，得到測試樣本多尺度核空間特征向量集H_y＝[h_y1,h_y2,...,h_yM]；

(8)對H_y＝[h_y1,h_y2,...,h_yM]進(jìn)行稀疏保持投影，得到多尺度核稀疏特征向量集C_y＝[c_y1,c_y2,...,c_yM]；

(9)對C_y＝[c_y1,c_y2,...,c_yM]進(jìn)行串行特征融合得到多尺度核空間稀疏保持融合特征向量q_y；

(10)采用步驟(5)學(xué)習(xí)完成的支持向量機(jī)分類器對q_y進(jìn)行分類，得到一維距離像測試樣本y的目標(biāo)類別。

2.根據(jù)權(quán)利要求1所述基于多尺度核稀疏保持投影的一維距離像識別方法，其特征在于，在步驟(1)中，提取訓(xùn)練樣本的歸一化幅度特征的公式如下：

上式中，|·|表示取模，||·||₂表示取2范數(shù)。