[发明专利]一种基于迁移学习的稀疏表示分类方法在审
| 申请号： | 201611196714.X | 申请日： | 2016-12-22 |
| 公开（公告）号： | CN108229513A | 公开（公告）日： | 2018-06-29 |
| 发明（设计）人： | 陈才扣;李经善;王蓉 | 申请（专利权）人： | 扬州大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N99/00 |
| 代理公司： | 南京理工大学专利中心 32203 | 代理人： | 孟睿 |
| 地址： | 225009 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提出一种基于迁移学习的稀疏表示分类方法。包括计算训练样本与测试样本互相迁移的表示系数；由表示系数得到样本的重构图像；将重构后的训练样本和处理后的测试样本做稀疏表示分类或者协同表达分类等，从而将样本分类。本发明将训练样本和测试样本互相迁移学习，可以从现有的数据中迁移知识，用来帮助将来的学习，从而消除样本间噪声，增强样本间的适应性。 | ||
| 搜索关键词： | 迁移 样本 测试样本 稀疏表示 分类 训练样本 学习 计算训练 样本分类 重构图像 重构 噪声 协同 帮助 | ||
【主权项】：
1.一种基于迁移学习的稀疏表示分类方法，其特征在于，包括：计算用原始训练样本矩阵X线性表示所有原始测试样本yj的表示系数矩阵![]()
根据表示系数![]()
用原始训练样本矩阵X线性重构所有测试样本yj；计算用处理后的测试样本矩阵![]()
线性表示所有训练样本xi的表示系数矩阵![]()
根据表示系数![]()
用处理后的测试样本矩阵![]()
线性重构所有训练样本xi；根据线性重构所有训练样本xi和线性重构所有测试样本yj对目标进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于扬州大学，未经扬州大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201611196714.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于非负表示系数的两阶段识别方法
- 下一篇：物体检测方法、装置和电子设备
