[发明专利]基于流形学习的数据降维方法及装置

摘要

本发明公开了一种基于流形学习的数据降维方法及装置，包括将待检测人脸图像按照等条纹的规则进行划分成子图像并转化为相对应的子模式，然后将划分后的待检测人脸图像进行数据降维处理，然后对其降维后的图像低维向量依据训练集中K个子模式集合进行分类，共得到K个识别结果，最后按照加权的方法将K个识别结果进行计算得出待检测人脸图像的最终识别结果，也即是得到待检测人脸图像是属于训练集中的某个人脸图像。

主权项

1.基于流形学习的数据降维方法，其特征在于，包括以下步骤：S101：将待检测人脸图像X按照一定的规则划分为K个子图像，然后将K个子图像转化为相对应的子模式，将所述子模式的向量记为X_i(i＝1,2,…,K)；S102：根据公式Y_i＝W_i^TX_i求出Y_i；所述Y_i是X_i的低维向量表示，所述W_i^T是通过最大间距准则和局部保持投影算法推导得出；S103：根据最近邻分类算法为待检测人脸图像X对其子模式的低维向量Y_i进行分类，依据训练集中的K个子模式集合，共得到K个识别结果；所述训练集是依据所述规则划分为K个子模式集合的预设的人脸图像的集合；S104：依据加权的方法，将K个识别结果进行计算后得到所述待检测人脸图像X属于第c个人的可能性为：其中然后得出待检测人脸图像X的识别结果为：Identity(X)＝argmax(p_c)；其中所述的Wg_i是第i个子模式集合的识别权值，其计算公式为：其中K_ij是为所述训练集中第i个子模式集合的每一个样本X_ij的近邻中和其处于同类的样本的个数，所述X_ij是所述训练集中第i个子模式集合的一个样本，所述样本是指每一个子模式集合的向量的坐标表示；j的取值在1到N之间，N是指所述训练集中预设人脸图像的总个数。