[发明专利]一种目标库属性判别局部正则学习子空间特征提取方法

权利要求书

1.一种目标库属性判别局部正则学习子空间特征提取方法，其特征在于，包括下列步骤：

步骤1：获取最优变换矩阵：

定义x_ij表示第i类库属目标的第j个训练样本的一维距离像，其中1≤i≤g，1≤j≤N_i，g表示库属目标的类别数，N_i表示第i类库属目标的训练样本数；

将除x_ij外的所有训练样本的一维距离像，按类的顺序构建稀疏学习字典，并对各训练样本的一维距离像x_ij进行稀疏表示，得到其稀疏系数α_ij；

基于稀疏系数α_ij确定重构系数w_ij,rk：

其中，α_ij,rk表示α_ij中的元素，且r＝1,…,g，k＝1,…,N_r；ij＞rk表示i＞r或i＝r且j＞k；ij＝rk表示i＝r且j＝k；ij＜rk表示i＜r或i＝r且j＜k；

定义矩阵n×m维的矩阵A表示变换矩阵，其中m＜n，并基于变换矩阵A得到x_ij的投影矢量y_ij：y_ij＝A^Tx_ij；

基于各库属目标的训练样本的一维距离像的投影矢量，计算所有库属目标训练样本的邻域加权重构误差e：

并计算同类样本邻域距离和s_w，以及异类样本邻域的距离和s_b：

其中，表示与x_ij相同类别中距离x_ij最近的k₁个训练样本构成的邻域，表示与x_ij不同类别中距离x_ij最近的k₂个训练样本构成的邻域，k₁、k₂为预设的正整数；

对优化模型进行求解，得到最优变换矩阵A_opt，其中系数β的取值范围为0＜β＜1；

步骤2：对待进行特征提取的任意一维距离像x_t，根据y_t＝(A_opt)^Tx_t得到一维距离像x_t的特征向量。

2.如权利要求1所述的方法，其特征在于，求解优化模型的具体方式为：

构建本征方程：X(βP+(1-β)E)X^Ta_m+1-k＝λ_kXQX^Ta_m+1-k；

其中，

矩阵

矩阵P＝(I-W₁)^T(I-W₁)，I表示N×N维度的单位矩阵，矩阵矩阵

矩阵E＝(I-W)^T(I-W)，矩阵

矩阵Q＝(I-W₂)^T(I-W₂)；

λ_k表示第k个最大的本征值，a_m+1-k为λ_k对应的本征向量，其中1≤k≤m；

将求解得到的本征向量a_m+1-k作为最优变换矩阵A_opt的第m+1-k列，从而得到最优变换矩阵A_opt。