[发明专利]基于自适应局部序数保持解析字典学习的图像分类方法

权利要求书

1.基于自适应局部序数保持解析字典学习的图像分类方法，其特征在于，包括如下步骤：

步骤1、对数据集中的图像进行特征提取，并将其划分为训练集X和测试集X_test；

步骤2、建立支持自适应局部序数保持的解析字典学习模型；

步骤3、将训练集X输入到步骤2所建立模型中，并求解相应的优化问题，得到适用于对应数据集的解析字典Ω和分类器W；

步骤4、采用步骤3得到的解析字典Ω对测试集X_test进行编码，得到测试集的编码系数

步骤5、将步骤4得到的编码系数进行整形，并输入到步骤3得到的分类器W，获得测试集的分类结果。

2.根据权利要求1所述的基于自适应局部序数保持解析字典学习的图像分类方法，其特征在于，所述步骤2中建立支持自适应局部序数保持的解析字典学习模型，包括：

s.t.

其中，λ₁，λ₂，λ₃，λ₄，μ是正则项系数，为训练集，n为样本数，p为每个样本的分块数，Ω＝[ω₁；ω₂；...；ω_m]代表解析字典，Ω的行代表字典原子，m为字典原子数，为训练集的编码系数矩阵，其每一列向量为每个样本中每个分块对应的编码系数，为通过矩阵整形算子由变形而来的矩阵，其每一列向量为每个样本所有分块对应编码系数的纵向堆叠，W代表分类器，L为拉普拉斯矩阵，Y为训练集标签矩阵；表示信号重构项；表示编码系数的稀疏性约束；表示通过训练集标签对分类器进行约束；为自适应局部序数保持项，用于保持字典原子之间的邻域相关性，并使字典与编码系数的联系更加紧密，从而使分类器包含字典的结构信息；和对优化变量进行约束，使模型的优化求解过程趋于稳定。

3.根据权利要求1所述的基于自适应局部序数保持解析字典学习的图像分类方法，其特征在于，所述步骤3中优化求解过程包括以下步骤：

对Ω进行随机初始化，依次更新优化变量L，W和Ω，每次更新某变量时，保持其他变量不变，对和进行联合更新，即每次迭代中依次执行步骤①～⑤：

①固定W和Ω，更新L；

②固定L，W和Ω，更新和

③固定L，W和Ω，更新和

④固定L，和Ω，更新W；

⑤固定L，和W，更新Ω；

直到算法收敛或迭代次数达到最大设定值时停止迭代，输出解析字典Ω和分类器W。

4.根据权利要求1所述的基于自适应局部序数保持解析字典学习的图像分类方法，其特征在于，所述步骤4中，得到测试集的编码系数

5.根据权利要求1所述的基于自适应局部序数保持解析字典学习的图像分类方法，其特征在于，所述步骤5中，得到编码系数后，对其进行整形得到编码系数再将其输入到分类器W中得到分类结果，即矩阵Y_test中元素y_ij的值即为第i个样本对第j类的响应，最大响应所对应类即为样本分类结果。