[发明专利]基于线性表示鉴别字典学习的分类方法

摘要

本发明公开了基于线性表示鉴别字典学习的分类方法，该方法利用训练样本集识别测试样本所属的类别。在训练阶段，通过线性表示鉴别字典学习得到对应每一类训练样本的字典。在分类测试阶段，计算用对应每一类训练样本的字典去重构测试样本的重构误差，最后将测试样本归为重构误差最小的字典所对应的那一类。本发明相较于现有技术有效提高了字典的分类能力，明显提高了分类精度。

主权项

基于线性表示鉴别字典学习的分类方法，其特征在于，设X＝[X1,X2,...,Xc]表示包含c个类别的训练样本集，表示第i个类别的训练样本集，Xi包含Ni个样本，xij∈Rd(Rd表示d维的实向量集合)表示第i类的第j个训练样本，y∈Rd表示一个测试样本，包括如下阶段步骤：A、在训练阶段，基于线性表示鉴别字典学习的分类方法通过求解下面的问题获得(1)对应第i个类别的字典(表示d×Ni阶实矩阵集合)，i＝1,2,…,c；(2)使用Di分别去线性表示X1,X2,...,Xc的c个线性表示系数矩阵minDi,A1i,A2i,...,Aci||Xi-DiAii||F2-1c-1Σj=1j≠ic||Xj-DiAji||F2]]>通过依次更新和Di进行迭代求解，可以得到这两组变量的解；B、在分类测试阶段，步骤1，基于线性表示鉴别字典学习的分类方法通过求解下面的问题获得线性表示系数向量minβi||y-Diβi||2]]>计算用第i个类别的字典Di去重构测试样本y的重构误差，如下：ri(y)＝||y‑Diβi||2(i＝1,2,…,c)步骤2，如果rk(y)在r1(y),r2(y),…,rc(y)中最小，基于线性表示鉴别字典学习的分类方法将y归到第k类。