[發明專利]聯合低秩表示和稀疏回歸的學習方法

有效

• 申請號: 201710648066.5
• 申請日: 2017-08-01
• 公開（公告）號: CN107590505B
• 公開（公告）日: 2021-08-27
• 發明（設計）人: 劉安安;史英迪;蘇育挺
• 申請（專利權）人: 天津大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 李林娟

1.一種聯合低秩表示和稀疏回歸的學習方法，其特征在于，所述方法包括以下步驟：

對帶有圖像記憶度分數標簽的SUN數據集進行特征提??；

將低秩表示和結合稀疏回歸模型兩部分放在同一個框架下構成一個整體，構建聯合低秩和稀疏回歸的模型；

利用多視覺自適應回歸算法解決自動預測圖像的可記憶性的問題，在最優參數下得到圖像特征和圖像記憶度的關系；

組合圖像提出的特征，利用在最優參數下得到的關系結果，預測數據庫測試集圖像記憶度，并用相關評價標準來驗證預測結果；

其中，

所述聯合低秩和稀疏回歸的模型具體為：

其中：

X是輸入的特征，A∈R^D×D是N個樣本的低秩投影矩陣來捕獲樣本之間共享的底層低秩結構，E∈R^N×D是利用L₁范數來解決隨機誤差；w∈R^D×1是變換矩陣，將變換后的樣本與他們的記憶得分相關聯，y為訓練樣本的標簽；是定義的誤差函數；λ＞0是平衡參數；α是預測誤差部分和正則化部分之間的平衡參數；B是角矩陣；D為低秩約束后的特征維數；||A||_*是核范數；s是高斯相似性函數所計算出的權重矩陣。

2.根據權利要求1所述的一種聯合低秩表示和稀疏回歸的學習方法，其特征在于，所述方法還包括：獲取圖像可記憶性數據集。

3.根據權利要求1所述的一種聯合低秩表示和稀疏回歸的學習方法，其特征在于，所述特征包括：尺度不變特征變換特征、搜索樹特征、方向梯度直方圖特征、以及結構相似性特征。