[发明专利]基于正交性约束增量非负矩阵分解的有监督图像识别方法

权利要求书

1.一种基于正交性约束增量非负矩阵分解的有监督图像识别方法，其特征在于，该方法包括：

步骤S100，获取初始样本集的矩阵表示V_c；

步骤S200，采用ONMF算法对V_c分解得到基矩阵W_c和系数矩阵H_c；

步骤S300，获取新增样本集的矩阵表示V_p，构建所有样本构成的数据矩阵V_z＝[V_c,V_p]，并对W_c和H_c采用增加正交性约束的INMF算法获取基矩阵W_z，其方法为：

初始化正矩阵W_z＝W_c，随机初始化正矩阵H_p；

按照以下规则进行迭代，直至达到预设的终止条件；

将得到的最终的W_z和H_p分别作为V_z的基矩阵和V_p的系数矩阵H_p；

步骤S400，利用基矩阵W_z的Moore-Penrose逆作为投影变换矩阵，分别对V_z和V_test进行投影变换对应得到低维投影矩阵H_train和H_test；其中，V_test为输入的待识别图像集的矩阵表示；

步骤S500，利用H_train及其对应样本分类标签对分类器进行训练优化，并利用优化后的分类器对H_test进行识别分类。

2.根据权利要求1所述的基于正交性约束增量非负矩阵分解的有监督图像识别方法，其特征在于，步骤S400中“利用基矩阵W_z的Moore-Penrose逆作为投影变换矩阵，分别对V_z和V_test进行投影变换对应得到低维投影矩阵H_train和H_test”，其方法为：

其中，H_train表示所有训练样本的低维投影矩阵，H_test表示待识别图像集的低维投影矩阵，为投影矩阵。

3.根据权利要求1或2所述的基于正交性约束增量非负矩阵分解的有监督图像识别方法，其特征在于，初始样本集、新增样本集和待识别图像集的图像尺寸统一化为p×q大小，其中p和q分别为预设值。

4.根据权利要求3所述的基于正交性约束增量非负矩阵分解的有监督图像识别方法，其特征在于，所述初始样本集的矩阵表示V_c，其大小为m×c，其中m＝p×q，c为所述初始样本集中样本图像的数量。

5.根据权利要求1或2所述的基于正交性约束增量非负矩阵分解的有监督图像识别方法，其特征在于，所述分类器为最近邻分类器。