[发明专利]一种基于全局与局部保持的高光谱图像半监督降维方法

权利要求书

1.一种基于全局与局部保持的高光谱图像半监督降维方法，其特征在于，所述的方法包括以下步骤：

步骤S1.设高维空间R^D中存在数据集X＝{x₁，x₂，…，x_l，x_l+1，…，x_l+u},其中前l个样本X_l为有类标样本，类别标签为c，各类样本数为N_i，i＝(1，2，…，c)，后u个样本X_u是无类标样本。

步骤S2.通过半监督全局分布算法构造半监督全局目标函数；

步骤S3.基于半监督局部保持投影算法，给出改进后的半监督局部目标函数；

步骤S4.结合S2中的全局目标函数和S3中的局部目标函数，构造半监督IPCA-IWSSFE整体目标函数及求解得出低维子空间Y＝W^TX。

2.根据权利要求1所述的基于全局与局部保持的高光谱图像半监督降维方法，其特征在于，步骤S2中的半监督全局目标函数为：

其中，和分别为有标签样本均值和无标签样本均值。

3.根据权利要求1所述的基于全局与局部保持的高光谱图像半监督降维方法，其特征在于，步骤S3中具体包括以下步骤：

步骤S31.提出改进的半监督相似权重矩阵：

其中，q_ij为改进的半监督相似权重矩阵Q的元素，a_ij＝exp(-||x_i-x_j||²/σ)，σ为所有样本对间欧式距离平均值的平方。J(x_i)为x_i的k近邻域，k为近邻参数。a_ij为局部权重值，令(1+a_ij)为类内判别权值，(1-a_ij)为类间判别权值；

步骤S31.基于半监督相似权重矩阵，给出改进后的半监督局部目标函数：

其中，矩阵D^*为Q的对角矩阵，对角矩阵为D_ii^*＝∑_jq_ij，L^*＝D^*-Q为拉普拉斯矩阵。引入约束条件YD^*Y^T＝W^TXD^*X^TW＝I，其中I为单位矩阵。