[發(fā)明專利]一種半配對多視圖鄰域相關(guān)分析方法

在審

• 申請?zhí)枺?/td>: 202110235176.5
• 申請日: 2021-03-03
• 公開（公告）號: CN112949718A
• 公開（公告）日: 2021-06-11
• 發(fā)明（設(shè)計）人: 袁運浩;武照奇;李云;強繼朋;朱毅;朱俊武
• 申請（專利權(quán)）人: 揚州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 董旭東;陳棟智

1.一種半配對多視圖鄰域相關(guān)分析方法，其特征在于，包括以下步驟：

步驟1)給定半配對多視圖訓練數(shù)據(jù)其中p、u、n以及m分別表示配對樣本數(shù)、未配對樣本數(shù)、總樣本數(shù)以及視圖數(shù)，n＝p+u，d_i表示第i個視圖中訓練樣本的維數(shù)，利用k鄰域和徑向基函數(shù)計算視圖內(nèi)樣本的相似度矩陣

步驟2)利用視圖間樣本共享的配對樣本和視圖內(nèi)樣本的相似度矩陣，計算不同視圖間樣本的相似度矩陣S^ij(i≠j)，i,j＝1,2,…,m；

步驟3)構(gòu)建半配對多視圖鄰域相關(guān)分析的最優(yōu)化模型，并利用拉格朗日乘子法將其轉(zhuǎn)化成廣義特征值問題；

步驟4)求解廣義特征值問題，選取前d(≤min{d₁,d₂,...,d_m})個最大特征值對應(yīng)的特征向量，形成每個視圖的投影矩陣

步驟5)使用每個視圖的投影矩陣P_i，分別對訓練樣本Xⁱ和給定的測試樣本Yⁱ進行降維，獲得低維訓練數(shù)據(jù)P_i^TXⁱ和測試數(shù)據(jù)P_i^TYⁱ；

步驟6)使用k近鄰分類器和訓練數(shù)據(jù)P_i^TXⁱ，對降維后的測試數(shù)據(jù)P_i^TYⁱ進行識別，并計算識別率。

2.根據(jù)權(quán)利要求1所述的一種半配對多視圖鄰域相關(guān)分析方法，其特征在于，步驟1)中所述利用k鄰域和徑向基函數(shù)計算視圖內(nèi)樣本的相似度矩陣包括以下步驟：

步驟1-1)在第i個視圖中，對于樣本采用k鄰域法找到其k個最近鄰樣本，并將k個最近鄰樣本形成的集合記為

步驟1-2)對于樣本利用徑向基函數(shù)計算其與中樣本的相似度，如下：

其中||·||表示向量的2范數(shù)，利用公式(1)形成視圖內(nèi)樣本的相似度矩陣

3.根據(jù)權(quán)利要求1或2所述的一種半配對多視圖鄰域相關(guān)分析方法，其特征在于，所述步驟2)具體包括：

步驟2-1)在第i個視圖和第j個視圖中隨機選取N對配對樣本，設(shè)定為其中N≤p；

步驟2-2)計算不同視圖間樣本和樣本的相似度，如下：

其中表示樣本和樣本的相似度，表示樣本和樣本的相似度，使用公式(2)產(chǎn)生不同視圖間樣本的相似度矩陣

4.根據(jù)權(quán)利要求3所述的一種半配對多視圖鄰域相關(guān)分析方法，其特征在于，所述步驟3)具體包括：

步驟3-1)建立半配對多視圖鄰域相關(guān)分析的目標函數(shù)：

其中和分別是對角矩陣，其第t個對角元素分別是矩陣S^ij的行和與列和，即

進一步地，(3)式可變換為：

其中C_ij＝XⁱS^ijX^jT；

步驟3-2)利用(4)式構(gòu)建半配對多視圖鄰域相關(guān)分析的最優(yōu)化模型，如下所示：

最優(yōu)化模型(5)可進一步等價地轉(zhuǎn)換為如下最大化問題：

步驟3-3)利用拉格朗日乘子法將步驟3-2)中的最優(yōu)化模型(6)轉(zhuǎn)換成如下拉格朗日函數(shù)，

其中λ為拉格朗日乘子；

令則有

根據(jù)(8)式，可得如下廣義特征值問題：