[发明专利]一种未知目标判别中的样本分布结构图特征提取方法

权利要求书

1.一种未知目标判别中的样本分布结构图特征提取方法，其特征在于，包括以下步骤：

S1、设n维列矢量x_ij为第i类已知目标的第j个训练一维距离像,1≤i≤g，1≤j≤N_i，其中N_i为第i类已知目标的训练样本数，N为训练样本总数；

S2、计算样本间的距离：

d_ij,rl＝||x_ij-x_rl||₂

其中，i＝1,2,…g,j＝1,2,…N_i，r＝1,2,…g,l＝1,2,…N_r，d_ij,rl表示第i类已知目标的第j个一维距离像样本与第r类已知目标的第l个一维距离像样本之间的距离；由最近邻规则计算元素值a_ij,rl：

由元素值a_ij,rl组成样本分布结构图矩阵A：

A＝[a_ij,rl]_N×N；

S3、计算拉普拉斯二次型矩阵P：

P＝W-A

其中

W＝diag{w_ij,ij}

其中，diag{·}表示对角矩阵，对矩阵P进行奇异值分解：

P＝UΣV^T

其中，T表示转置，U和V分别表示左奇异矢量矩阵和右奇异矢量矩阵，Σ为奇异值组成的对角矩阵；取前f个最大奇异值对应的左奇异矢量u₁、u₂、…u_f构成投影子空间C：

C＝[u₁ u₂…u_f]；

S4、将已知目标的训练一维距离像样本x_ij与训练集中其它样本间的距离组成列矢量d_ij向子空间C进行投影，得到样本分布结构图特征y_ij：

y_ij＝C^Td_ij

其中

利用获得的样本分布结构图特征，基于门限法即可实现对未知目标的判别。