[發明專利]基于加權最大間距準則的人臉數據可分性特征提取方法

在審

• 申請號: 201710568584.6
• 申請日: 2017-07-13
• 公開（公告）號: CN107451538A
• 公開（公告）日: 2017-12-08
• 發明（設計）人: 劉敬;邱程程;劉逸;吳進;劉鑫磊;李夢巖;張延冬
• 申請（專利權）人: 西安郵電大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 陜西電子工業專利中心61205
• 代理人: 王品華

1.一種基于加權最大間距準則的人臉數據可分性特征提取方法，包括：

(1)將給定的人臉數據集劃分為訓練樣本和測試樣本，用訓練樣本計算原始數據的類間散布矩陣S_b和類內散布矩陣S_w；

(2)對類間散布矩陣S_b乘以小于1的權重α_b，對類內散布矩陣S_w乘以大于1的權重α_w，得出加權最大間距準則WMMC函數：

J(W)＝tr[W^T(α_bS_b-α_wS_w)W]，

其中，tr表示矩陣的跡，即矩陣主對角線元素的和，T表示矩陣的轉置，α_b表示S_b的權重，α_w表示S_w的權重，且0＜α_b≤1，1≤α_w；

(3)求解加權最大間距準則WMMC函數中的映射矩陣W：

3a)在以W各列為基向量所支撐的特征子空間各維正交歸一化作為約束條件，最大化WMMC函數，得到最優化模型：

maxΣk=1dwkT(αbSb-αwSw)wk]]>

s.t.wkTwk=1,k=1,2,...,d]]>

其中，w_k表示W的列向量，為正交歸一化約束條件，d表示特征子空間維數；

3b)利用拉格朗日乘數法，對最優化模型進行求解，得到映射矩陣W，該W的各列即為WMMC所提取的人臉數據的可分性特征。