[发明专利]一种基于集成学习的模式训练和识别方法

权利要求书

1.一种基于集成学习的模式训练方法，包括：

1)对训练样本进行词典学习，生成冗余词典；

2)利用所述冗余词典对所述训练样本进行稀疏编码，获得每个训练样本的稀疏编码系数；

3)根据所述稀疏编码系数对所有训练样本进行稀疏子空间划分；

4)对于每个稀疏子空间内的训练样本进行子模型训练，获得用于分类的子模型。

2.根据权利要求1所述的方法，其特征在于，所述步骤1)前还包括步骤：提取所述训练样本的特征；所述步骤1)至4)的操作均根据所述训练样本的特征来进行。

3.根据权利要求1所述的方法，其特征在于，所述步骤1)所述词典学习是采用稀疏非负矩阵分解、在线学习方法或离线学习方法来进行。

4.根据权利要求1至3中任一项所述的方法，其特征在于，所述步骤2)还包括设置非零元素个数的阈值，将所述稀疏编码系数中最小的元素置0，直到非零元素的个数等于所述阈值。

5.根据权利要求1至3中任一项所述的方法，其特征在于，所述步骤2)采用软阈值方法或LARS-Lasso方法。

6.根据权利要求1至3中任一项所述的方法，其特征在于，所述步骤4)所述子模型训练采用支持向量机、神经网络或决策树进行训练。

7.一种利用权利要求1至6任一项所述子模型的模式识别方法。

8.根据权利要求7所述的方法，其特征在于，其中包括：

1)利用所述冗余词典对检测样本进行稀疏编码，获得检测样本的稀疏编码系数；

2)根据所述稀疏编码系数选择所述子模型，利用所选子模型识别检测样本；

3)融合所选子模型的识别结果来进行所述检测样本的识别。

9.根据权利要求8所述的方法，其特征在于，所述步骤2)中所述选择所述子模型为选择所述稀疏编码系数中非零元素对应的子模型。

10.根据权利要求8所述的方法，其特征在于，所述步骤2)中所述选择所述子模型进一步包括：

对所述稀疏编码系数中的元素根据大小进行排序；

仅选择排序后前面一个或多个元素对应的子模型。