[发明专利]一种基于稀疏分解l0图的局部全局一致性分类方法

摘要

本发明涉及一种基于稀疏分解l0图局部全局一致性分类方法。充分利用了稀疏分解可以有效捕捉信号的本质特征和内在结构的特性，以及匹配追踪的贪心选择原理，根据稀疏分解系数向量确定出l0图的邻接结构和权值，并将其应用到局部全局一致性分类方法中。实验结果表明，本发明与传统的构图法以及l1构图法相比，能得到较好的分类结果。

主权项

1.一种基于稀疏分解l₀图的局部全局一致性分类方法，其特征在于步骤如下：步骤1稀疏分解l₀图的构造：步骤a：使用KMEANS聚类算法将整个待分类数据X划分为k个子集，k为类别数；步骤b：定义一个n×n的邻接矩阵W，其元素初始化为0，n为待分类数据总数；步骤c：以第i个待分类数据x_i为待分解信号，稀疏分解字典D_i由x_i所属聚类子集构成，x_i不包括在D_i中，1≤i≤n，n为待分类数据总数；步骤d：预设最大迭代次数为T，迭代终止误差为ε_stop，当前迭代次数t初始化为0，对待分解信号x_i，基于字典D_i利用|<xi,ds>|=supj∈Γ|<xi,dj>|]]>选出最能逼近x_i的原子d_s，稀疏系数向量α对应的值满足α_s＝<x_i，d_s>，s∈Γ，Γ为字典D_i中原子的下标集合；步骤e：利用r^t＝x_i-<x_i，d_s>d_s计算第t次迭代后的信号残差r^t，1≤t≤T，1≤i≤n，n为待分类数据总数，s∈Γ，Γ为字典D_i中原子的下标集合；步骤f：若r^t＞ε_stop且t＜T，更新x_i＝r^t，t＝t+1返回步骤d执行，否则执行步骤g，其中1≤i≤n，n为待分类数据总数，t为当前迭代次数；步骤g：根据稀疏系数向量α确定邻接矩阵W。其中若顶点i和j间的系数则数据x_i和x_j相似，权重若i≤n，返回步骤c执行，否则执行步骤h，其中1≤i≤n，1≤j≤n，n为待分类数据总数；步骤h：利用W＝W+W′将非对称的邻接矩阵W转化对称矩阵，W′为邻接矩阵W的转置矩阵，转置矩阵为稀疏分解l₀图；步骤2：利用S＝D^-1/2WD^-1/2将邻接矩阵W对称地归一化，其中1≤i≤n，n为待分类数据总数；步骤3：定义一个n×k的矩阵Y存储所有待分类数据的初始标记信息，若有标记数据x_i属于第j类，那么Y_ij＝1，否则Y_ij＝0，对所有的未标记数据，令Y_ij＝0，其中1≤i≤n，1≤j≤k，n为待分类数据总数，k为类别数；步骤4：定义一个n×k的矩阵F(t)存储第t次迭代所有待分类数据属于每类的概率，初始化F(0)＝Y，利用F(t+1)＝ηSF(t)+(1-η)Y让每个样本的标记信息迭代地向其近邻样本点传播，直到收敛；t为迭代次数，η指大量的信息是来自于其近邻还是初始标记样本信息，0≤η≤1，n为待分类数据总数，k为类别数；步骤5：记序列{F(t)}为步骤4迭代t次的结果，极限定义为F^*，则利用yi=argmaxj≤kFij*]]>求出数据x_i的类标，其中，是第i个样本属于第j类的概率，1≤i≤n，n为待分类数据总数，k为总类别数。