[發(fā)明專利]一種基于支持向量正則化字典對學習的模式分類方法

在審

• 申請?zhí)枺?/td>: 202111603440.2
• 申請日: 2021-12-24
• 公開（公告）號: CN114330535A
• 公開（公告）日: 2022-04-12
• 發(fā)明（設(shè)計）人: 董靜;楊柳;成巍;劉廠;羅曉清
• 申請（專利權(quán)）人: 南京工業(yè)大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京天華專利代理有限責任公司 32218
• 代理人: 劉暢;徐冬濤

1.一種基于支持向量正則化字典對學習的模式分類方法，其特征在于，包括：

對訓練和測試的圖像進行特征提取，并構(gòu)建訓練集X和測試集

建立基于支持向量正則化字典對學習模型；

將訓練集X輸入到支持向量正則化字典對學習的模型中，并對相應的目標函數(shù)進行優(yōu)化求解，得到適用于該訓練集的解析字典P，綜合字典D，編碼系數(shù)A及支持向量機分類器參數(shù)U，b；

使用訓練得到的解析字典P對測試集進行編碼，得到測試集編碼系數(shù)

將測試集編碼系數(shù)輸入到訓練好的支持向量機分類器中，獲得分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于支持向量正則化字典對學習的模式分類方法，其特征在于所述的建立基于支持向量正則化字典對學習模型，包括：

其中，λ₁，λ₂，λ₃是固定標量，X＝[X₁，X₂，...，X_k]為訓練集的特征，K表示樣本數(shù)，D＝[D₁，D₂，...，D_k]表示結(jié)構(gòu)性綜合字典，P＝[P₁；P₂，...；P_k]表示結(jié)構(gòu)性解析字典，A＝[A₁，A₂，...，A_k]表示編碼系數(shù)，綜合字典D_k和解析字典P_k表示第k類輸入數(shù)據(jù)X_k所對應的字典對，表示X中X_i的補集，U＝[u₁，u₂，...，u_k]表示超平面，b＝[b₁，b₂，...，b_k]^T表示偏差，表示第k類所對應的標簽向量，若x_i屬于第k類樣本，x_j不屬于第k類樣本，d_i表示D的第i列，表示數(shù)據(jù)保真項，f(A，y^k，u_k，b_k)表示判別項；用以避免平凡解D_k＝0，使模型更加穩(wěn)定；P_k∈Γ，是對解析字典的約束，它確保解析字典具有相對較小的Frobenius范數(shù)和單位行范數(shù)；具體的，判別項f(A，y^k，u_k，b_k)的定義如下：

其中，A是樣本的編碼系數(shù)，a_i是系數(shù)矩陣A的列向量，是損失函數(shù)，是正則項，當時，損失函數(shù)當時，

3.根據(jù)權(quán)利要求1所述的一種支持向量正則化字典對學習的模式分類方法，其特征在于所述的將訓練集X輸入到支持向量正則化字典對學習的模型中，并對相應的目標函數(shù)進行優(yōu)化求解，得到適用于該訓練集的解析字典P，綜合字典D，編碼系數(shù)A及支持向量機分類器參數(shù)U，b，包括：

采用循環(huán)迭代的方法求解，依次更新變量A，P，D和U，b；更新某個變量時，需要固定其他的變量，反復迭代①～④，即：

①固定P，D，U，b，更新A；

②固定A，D，U，b，更新P；

③固定A，P，U，b，更新D；

④固定A，P，D，更新U，b；

在目標函數(shù)值收斂或達到最大迭代次數(shù)時停止迭代，得到最優(yōu)的輸出結(jié)果。

4.根據(jù)權(quán)利要求1所述的一種基于支持向量正則化字典對學習的模式分類方法，其特征在于所述的訓練得到的解析字典P對測試集進行編碼，得到測試集編碼系數(shù)包括：

用基于訓練集學習得到的解析字典P和測試集相乘，得到測試集編碼系數(shù)

5.根據(jù)權(quán)利要求1所述的一種基于支持向量正則化字典對學習的模式分類方法，其特征在于所述的將測試集編碼系數(shù)輸入到訓練所得的支持向量機分類器中，獲得分類結(jié)果，包括：

使用訓練好的支持向量機分類器參數(shù)U，b，計算矩陣H的第i個列向量的第j個元素表示測試集的第i個樣本屬于第j類的置信度，將分類結(jié)果判定為所對應置信度最高的那一類。