[发明专利]投影变换矩阵的获取方法、样本分类方法

权利要求书

1.一种投影变换矩阵的获取方法，其特征在于，包括：

依据训练样本集中各个训练样本的类别标签，提取与所述类别标签一一对应的类别信息；

依据所述类别信息确定各个训练样本的同类样本和异类样本；

根据所述各个训练样本的同类样本和异类样本构建相似性矩阵；

利用所述相似性矩阵分别构建类内邻接图和类间邻接图；

根据所述类内邻接图和所述类间邻接图进行计算获得投影变换矩阵。

2.如权利要求1所述的方法，其特征在于，根据所述各个训练样本的同类样本和异类样本构建相似性矩阵包括：

依据各个训练样本中同类样本之间的实际距离形成同类样本关系；

依据各个训练样本中异类样本之间的实际距离形成异类样本关系；

依据所述同类样本关系和所述异类样本关系构建相似性矩阵。

3.如权利要求2所述的方法，其特征在于，所述利用所述相似性矩阵分别构建类内邻接图和类间邻接图包括：

依据所述相似性矩阵的同类样本关系构建所述类内邻接图；

依据所述相似性矩阵的异类样本关系构建所述类间邻接图。

4.如权利要求1所述的方法，其特征在于，根据所述类内邻接图和所述类间邻接图进行计算获得投影变换矩阵包括：

根据所述类内邻接图和所述类间邻接图进行局部散度计算获得投影变换矩阵，或

根据所述类内邻接图和所述类间邻接图进行总体散度计算获得投影变换矩阵。

5.如权利要求4所述的方法，其特征在于，根据所述类内邻接图和所述类间邻接图进行局部散度计算获得投影变换矩阵包括：

获取所述类间邻接图与所述类内邻接图的比值；

将所述邻接图比值最大化后获得比值表达式；

对所述比值表达式进行特征值分解获取所述投影变换矩阵。

6.如权利要求4所述的方法，其特征在于，根据所述类内邻接图和所述类间邻接图进行局部散度计算获得投影变换矩阵包括：

获取所述类间邻接图与所述类内邻接图的邻接图差值；

将所述邻接图差值最大化后获得差值表达式；

对所述差值表达式进行特征值分解获取所述投影变换矩阵。

7.如权利要求4所述的方法，其特征在于，根据所述类内邻接图和所述类间邻接图进行总体散度计算获得投影变换矩阵包括：

获取所述类间邻接图与所述类内邻接图的邻接图差值；

将所述邻接图差值最大化后获得差值表达式；

获取所述类间邻接图与所述类内邻接图的邻接图和值；

对所述邻接图和值进行特征值分解获得总体特征向量；

将所述差值表达式投影所述总体特征向量对应的空间获得总体表达式；

对所述总体表达式进行特征值分解获取所述投影变换矩阵。

8.如权利要求1-7中任一项所述的方法，其特征在于，在依据预存储的训练样本集中各个训练样本的类别标签提取类别信息之前还包括：

对所述预存储的训练样本进行降维处理。

9.一种样本分类方法，应用于如权利要求1所述的获取方法，其特征在于，包括：

将预存储的训练样本集中各个训练样本利用投影变换矩阵降维至判别子空间；

将待分类样本利用所述投影变换矩阵降维至所述判别子空间；

在所述判别子空间中利用最近邻分类器对所述待分类样本进行分类。

10.如权利要求9所述的方法，其特征在于，在将待分类样本利用所述投影变换矩阵降维至所述判别子空间之前还包括：

对所述待分类样本进行降维处理。