[发明专利]基于稀疏Fisher矢量编码的数据分类方法

摘要

本发明公开一种基于稀疏Fisher矢量编码的数据分类方法，主要解决现有技术中对特征编码后编码的维数过高，对分类过程造成困难，特征编码未利用稀疏编码方法，造成数据冗余，使得计算速度降低等问题。其方法步骤为：(1)输入待分类的数据；(2)最大化特征的后验概率；(3)高斯混合模型的构建；(4)求解待分类数据的编码c，基向量B；(5)根据B，c求解稀疏的Fisher矢量；(6)以稀疏的Fisher矢量作为特征编码，利用SVM分类方法进行分类。本发明对Fisher矢量编码进行了降维处理，利用稀疏编码的方法减少了冗余数据，节省了存储空间，提高了计算速度，可应用于图像处理和数据分类等领域。

主权项

一种基于稀疏Fisher矢量编码的数据分类方法，其特征在于，包括有以下步骤：(1)输入待分类的数据，将待分类的数据放到一个矩阵中进行处理，该矩阵表示待分类数据所有特征的集合，矩阵中的每一数据为一个特征x；(2)最大化特征x的后验概率P(c|x)，利用特征x的编码c的特殊支持集s简化后验概率表达式P(c|x)，特殊支持集s表示编码c的非0元素个数，对简化的后验概率表达式进行概率公式变换，得出编码c的MAP估计的概率表达式；(3)利用高斯混合模型构建待分类数据的MAP估计概率表达式，将待分类数据的MAP估计概率表达式中的每一项用不同的高斯函数来表征，所述不同的高斯函数中只含有编码c或基向量B，最终得到待分类数据的MAP估计高斯混合模型表达式；(4)求解待分类数据的编码c、基向量B，根据MAP估计的高斯混合模型，得出待分类数据的稀疏Fisher矢量计算方法，利用待分类数据的稀疏Fisher矢量约束条件，计算待分类数据的编码c、基向量B；(5)求解稀疏的Fisher矢量，利用求解的待分类数据的编码c、基向量B，对待分类数据的稀疏Fisher矢量计算方法中的目标函数f_obj，关于基向量B求偏导数，得到待分类数据的稀疏Fisher矢量，对稀疏的Fisher矢量进行指数归一化操作；(6)对待分类数据进行SVM分类，将归一化后的稀疏Fisher矢量作为特征编码，利用SVM分类方法完成对待分类数据的分类处理。