[发明专利]一种基于非负表示系数的两阶段识别方法

权利要求书

1.一种基于非负表示系数的两阶段识别方法，其特征在于，

第一阶段，用所有训练样本x_ij表示测试样本y且约束系数非负，并根据非负系数模型计算获得表示系数向量w；

第二阶段，将表示系数向量w中的元素降序排列，取出表示系数向量w中前n个最大元素及其所对应的原始训练样本x₁，x₂，…，x_n，并用前n个最大元素对应的训练样本x₁，x₂，…，x_n组成字典矩阵D_new，对字典矩阵D_new中的全部样本进行分类，将所有属于第i类的训练样本组成字典矩阵D_i，同时，从表示系数向量w中抽取出字典矩阵D_i中各训练样本所对应的表示系数并组成表示系数向量α_i；使用公式z_j＝D_jα_j计算获得每类样本对应的重构样本z_j；用重构样本z_j表示测试样本y且约束系数非负，并根据非负系数模型计算获得表示系数向量b；根据测试样本y的残差对测试样本y进行分类；

其中，x_ij为第i类的第j个训练样本，i＝1，2，…，c；j＝1，2，…，n_i；c为训练样本总类数，n_i为每类训练样本的总个数；

用所有训练样本x_ij表示测试样本y且约束系数非负的非负系数模型为：

s.t w_i≥0，i＝1，2，…，N

其中D为由训练样本x_ij组成的字典矩阵，N为训练样本总数，λ₁为一个小的正常数，w_i为表示系数向量w中的元素；

用重构样本z_j表示测试样本y且约束系数非负的非负系数模型为：

s.tb_i≥0，i＝1，2，…，c

其中，Z为所有重构样本z_j组成重构样本矩阵，λ₂为一个小的正常数，b_i为表示系数向量b中的元素；

所述根据测试样本残差对测试样本y进行分类的方法为，b_j使测试样本残差最小时对应的t即为分类，使测试样本残差最小，若有下式成立：

则测试样本y所属类别为第t类。