[发明专利]一种基于补子空间的加权协同表示非均衡分类方法

权利要求书

1.一种基于补子空间的加权协同表示非均衡分类方法，其特征在于，包括以下内容：

对总类别数为c的非均衡数据集进行预处理，得到目标训练样本集X和目标测试样本集；

获取所述目标训练样本集X中各类训练样本子集的权重；

利用各类训练样本子集的权重基于补子空间确定加权协同表示分类模型；

对所述加权协同表示分类模型进行求解，得到最优表示系数，并根据所述最优表示系数重构的误差预测所述目标测试样本集的类别。

2.根据权利要求1所述的一种基于补子空间的加权协同表示非均衡分类方法，其特征在于，对总类别数为c的非均衡数据集进行预处理的步骤为：

采用交叉验证法将所述非均衡数据集随机分成n份，其中a份作为原始测试集，b份作为原始训练集；a+b＝n；对所述原始测试集和所述原始训练集进行随机交叉验证m次，得到m组训练样本集和m组测试样本集；

将m组所述训练样本集和m组所述测试样本集分别转化为列向量数据，并进行归一化处理，得到所述目标训练样本集X和所述目标测试样本集。

3.根据权利要求1所述的一种基于补子空间的加权协同表示非均衡分类方法，其特征在于，获取X中各类训练样本子集的权重的方法为：

获取第i类训练样本子集的均值E(X_i)和方差D(X_i)；

确定最小方差所在类j，并对第j类训练样本子集的权重赋值，令ω_j＝1；

基于所述训练样本子集类别间相关性确定剩余训练样本子集类权重ω_i；

其中，j的表达式为：j(i)＝D(X_i)；

其中，表示函数j(i)取最小值时变量i的值。

4.根据权利要求3所述的一种基于补子空间的加权协同表示非均衡分类方法，其特征在于，基于所述训练样本子集类别间相关性确定剩余训练样本子集类权重ω_i的方法为：

确定i≠j时，第i类训练样本子集的均值E(X_i)和第j类训练样本子集的均值E(X_j)之间的相关系数ρ_i；

根据所述相关系数ρ_i对ω_i赋值，赋值表达式为：ω_i＝1+σ|ρ_i|；

其中，σ表示调控权重的伸缩参数。

5.根据权利要求1所述的一种基于补子空间的加权协同表示非均衡分类方法，其特征在于，所述补子空间的表达式为：

S-S_i＝span{X_-i}；

其中，i≤c,表示第i类；S表示目标训练样本集X生成的全空间；X_i表示第i类训练样本子集；S_i表示X_i生成的空间为S的子空间；S-S_i表示S_i的补子空间；X_-i表示从X中移除第i类训练样本子集后剩余的训练样本集合。

6.根据权利要求1所述的一种基于补子空间的加权协同表示非均衡分类方法，其特征在于，所述加权协同表示分类模型的表达式为：

其中，y表示大小为d*1的测试样本向量，d表示向量的维数，M表示大小为d*J的训练样本矩阵，J表示训练样本总数，λ和γ为正则化参数，a为M的表示系数，a^*为最优表示系数，M_-i为X_-i对应的矩阵，a_-i为M_-i的表示系数。