[发明专利]一种局部信息与全局信息融合的目标分类识别方法

摘要

本发明公开了一种局部信息与全局信息融合的目标分类识别方法，通过聚类思想提取训练样本集局部信息，得到K类数据，并计算得出每类数据对应的聚类中心；每类中每个数据得出其初始分类结果，并对其进行修正，计算得出修正后的分类结果与真值的偏差；计算每类中每个数据的初始分类结果与真值的距离权重因子；针对目标样本，计算其与各个聚类中心的距离来自适应选择对应的有效修正矩阵来对该目标样本的初始分类结果进行修正，得出目标的最终分类结果；将聚类的思想应用到数据分类准确率的提升过程中，通过局部信息和全局信息相融合的分类修正方法，对分类器输出进行修正使分类器的识别输出更接近真值，能够有效的改善目标识别的分类精度。

主权项

1.一种局部信息与全局信息融合的目标分类识别方法，其特征在于，具体包括以下步骤：步骤一、通过聚类思想提取训练样本集局部信息，得到K类数据，并计算得出每类数据对应的聚类中心，其中，K为大于0的整数；步骤二、针对步骤一中得到的每类数据中的每个数据得出其初始分类结果并对进行修正，计算得出修正后的分类结果与真值的偏差：其中，k＝1,2,...,K，N_k为第k类数据中包含的数据的个数，β_k为第k类初始分类结果的修正矩阵，为第k类数据中第N_k个数据的真值，为第k类数据中第N_k个数据经修正矩阵修正后的分类结果，为第k类数据中第N_k个数据修正后的分类结果与真值的偏差；步骤三、计算每类数据中每个数据的初始分类结果与真值的距离权重因子：其中，为第k类数据中第N_k个数据初始分类结果与真值的距离权重因子，a为惩罚系数，0<a<1；步骤四、结合步骤二和步骤三可得：根据上式可得出目标函数：根据目标函数得出与K类数据所对应的K个修正矩阵β₁，β₂，...，β_k；其中，n₁＝1,2,…,N₁，n₂＝1,2,…,N₂，n_k＝1,2,…,N_k，ε_k表示第k类数据中每个数据修正后的分类结果与其真值的偏差值加权后的和；步骤五、利用每类数据中的每个数据对其对应的修正矩阵的修正效果进行验证，当通过修正矩阵修正后的分类结果准确率高于修正前的分类结果准确率，标记该修正矩阵有效，否则标记该修正矩阵无效；步骤六、针对目标样本y，通过计算y与每类数据对应的所述聚类中心的距离来选择对应的修正矩阵来对该目标样本y的初始分类结果进行修正，得出目标样本y的最终分类结果。