[发明专利]一种基于联合稀疏表示和多视图字典学习的学习方法

摘要

本发明公开了一种基于联合稀疏表示和多视图字典学习的学习方法，先对稀疏ε‑图形产生视图进行产生k个视图，然后通过处理后把视图送入到多视图联合稀疏表示，从而利用多视图字典学习，利用训练包的数据学习字典，运用字典学习匹配作为分类训练器。与采用常规分类器的方法不同，本发明具有在保证精准度的前提下速度得到很大提升，节约了时间，而且对参数的要求简单，可应用在更广泛的领域。

主权项

1.一种基于联合稀疏表示和多视图字典学习的学习方法，其特征在于，包括以下步骤：S1.选定ε图形和l1图形，基于稀疏ε图形去构造若干个包Xi的图形；S2.通过l₁图形计算稀疏系数向量使稀疏ε图形中的顶点x_i,j和它的边缘到另外1个顶点满足以下函数：以及以下函数：S3.对于步骤S1中的包Xi，通过稀疏ε‑图形并设置k种参数，产生k个视图，用于表达Xi的内在上下文结构；S4.构建映射函数并将步骤S2产生的k个视图映射到高纬度的空间，得到新的映射函数S5.选定总字典作为多视图字典，总字典包括若干个子字典，子字典作为包Xi的学习字典，利用核函数对字典学习进行优化；S6.选定标签和含有k个图形的测试包，通过多视图学习得到权重矩阵，对测试包进行分类，并将标签分配至相应的测试包的分类中。