[發(fā)明專利]一種基于稀疏規(guī)則化的判別投影方法以及圖像識(shí)別裝置

有效

• 申請(qǐng)?zhí)枺?/td>: 201811625721.6
• 申請(qǐng)日: 2018-12-28
• 公開（公告）號(hào): CN109615026B
• 公開（公告）日: 2020-11-17
• 發(fā)明（設(shè)計(jì)）人: 袁森
• 申請(qǐng)（專利權(quán)）人: 中國電子科技集團(tuán)公司信息科學(xué)研究院
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 北京中知法苑知識(shí)產(chǎn)權(quán)代理有限公司 11226
• 代理人: 李明

1.一種基于稀疏規(guī)則化的判別投影方法，其特征為：包括如下步驟，

步驟1)構(gòu)建級(jí)聯(lián)字典和學(xué)習(xí)稀疏表征結(jié)構(gòu)；

步驟2)保留稀疏表征結(jié)構(gòu)；

步驟3)學(xué)習(xí)數(shù)據(jù)的局部和非局部結(jié)構(gòu)；

步驟4)稀疏規(guī)則化辨別投影；

所述步驟1)進(jìn)一步包括如下內(nèi)容：

給定一個(gè)訓(xùn)練樣本集X＝[x₁，x₂，...，x_N]，每一個(gè)x_i表示一個(gè)D維向量，然后，利用標(biāo)簽信息對(duì)樣本集重新排列：X＝[X₁，X₂，...，X_C]，其中C表示樣本類別數(shù)，表示第i類所有樣本所構(gòu)成的數(shù)據(jù)矩陣，為了方便，對(duì)每一類樣本進(jìn)行中心化處理，也就是

其中，μ_i表示第i類所有樣本的平均值，N_i為第i類樣本數(shù)，

然后，對(duì)于每一類樣本矩陣進(jìn)行PCA分解，具體如下：

其中，Φ_i表示的協(xié)方差矩陣，d表示協(xié)方差矩陣的特征向量，為了保證信息的完整性，對(duì)于第i類樣本集，選擇m_i個(gè)主成分構(gòu)建字典因此，第i類中的任意一個(gè)樣本x可以表示為：

其中，D是通過PCA分解獲得的級(jí)聯(lián)字典，并由所有的D_i(i＝1，2，...，C)構(gòu)成；表示基于級(jí)聯(lián)字典D的稀疏系數(shù)向量；

根據(jù)上述計(jì)算過程，每一個(gè)樣本會(huì)對(duì)應(yīng)一個(gè)稀疏系數(shù)向量，通過公式(1.7)，由于D_i列的正交性，對(duì)于第i類中的任意一個(gè)樣本，其稀疏系數(shù)向量都可以快速地通過矩陣向量相乘來獲得，也就是

所述步驟2)進(jìn)一步包括如下內(nèi)容：

為了獲取數(shù)據(jù)的低維表示，實(shí)現(xiàn)維數(shù)約簡，需要保留數(shù)據(jù)的稀疏表征結(jié)構(gòu)，因此，需要定義以下目標(biāo)函數(shù)，并通過最小化重構(gòu)誤差尋找最優(yōu)投影來保留其稀疏結(jié)構(gòu)，目標(biāo)函數(shù)為：

其中，表示x_i樣本的稀疏系數(shù)向量，通過代數(shù)運(yùn)算，可以將式(1.9)改寫為：

其中，表示所有樣本稀疏系數(shù)向量構(gòu)成的矩陣。

2.根據(jù)權(quán)利要求1所述的基于稀疏規(guī)則化的判別投影方法，其特征為：所述步驟3)進(jìn)一步包括如下內(nèi)容：

為了學(xué)習(xí)數(shù)據(jù)的空間幾何特性，定義兩個(gè)散度矩陣：局部散度和非局部散度，局部散度矩陣定義為：

其中，x_i表示樣本，權(quán)值H_ij定義為：

上式中，O(K，x_i)表示樣本x_i的K個(gè)近鄰點(diǎn)的集合，式(1.12)意味著：如果x_j屬于x_i的K個(gè)近鄰點(diǎn)，則認(rèn)為兩點(diǎn)之間有邊相連，H_ij＝1；否則，則認(rèn)為兩點(diǎn)間無邊相連，H_ij＝0，

同樣地，非局部散度矩陣可以定義為：