[发明专利]一种基于迁移学习的稀疏表示分类方法在审
| 申请号： | 201611196714.X | 申请日： | 2016-12-22 |
| 公开（公告）号： | CN108229513A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 陈才扣;李经善;王蓉 | 申请（专利权）人： | 扬州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N99/00 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 孟睿 |
| 地址： | 225009 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 迁移 样本 测试样本 稀疏表示 分类 训练样本 学习 计算训练 样本分类 重构图像 重构 噪声 协同 帮助 | ||
1.一种基于迁移学习的稀疏表示分类方法，其特征在于，包括：
计算用原始训练样本矩阵X线性表示所有原始测试样本yj的表示系数矩阵根据表示系数用原始训练样本矩阵X线性重构所有测试样本yj；
计算用处理后的测试样本矩阵线性表示所有训练样本xi的表示系数矩阵根据表示系数用处理后的测试样本矩阵线性重构所有训练样本xi；
根据线性重构所有训练样本xi和线性重构所有测试样本yj对目标进行分类。
2.如权利要求1所述基于迁移学习的稀疏表示分类方法，其特征在于，表示系数矩阵的计算方法下式所示，
其中，T为转置运算符，α为一个小的正常数，I为单位矩阵，Y为原始测试样本矩阵。
3.如权利要求2所述基于迁移学习的稀疏表示分类方法，其特征在于，用原始训练样本矩阵X线性重构所有测试样本yj的方法如下式所示，
4.如权利要求1所述基于迁移学习的稀疏表示分类方法，其特征在于，表示系数矩阵的计算方法下式所示，
其中，T为转置运算符，β为一个小的正常数，I为单位矩阵，Y为原始测试样本矩阵。
5.如权利要求4所述基于迁移学习的稀疏表示分类方法，其特征在于，用处理后的测试样本矩阵线性重构所有训练样本xi的方法如下式所示，
其中，为线性重构后的训练样本矩阵。
6.如权利要求1所述基于迁移学习的稀疏表示分类方法，其特征在于，根据线性重构所有训练样本xi和线性重构所有测试样本yj，使用稀疏表示分类方法或者协同表达分类方法对目标进行分类。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于扬州大学，未经扬州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201611196714.X/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种基于非负表示系数的两阶段识别方法
- 下一篇：物体检测方法、装置和电子设备
