[发明专利]一种多线性大间距的特征提取方法

摘要

本发明提供的是一种多线性大间距的特征提取方法。首先，提取视频流样本的一个周期的步态序列数据，并且表示成张量结构；第二，用多线性主成分分析（MPCA）进行张量数据预处理，使高维的张量数据投影到一个低维的张量结构，去除冗余和噪声信息；第三，优化类间Laplacian散度和类内Laplacian散度之差，使其值最大，通过不断迭代求值，使其解收敛并达到迭代终止条件，得到各个模式下的投影矩阵，通过张量乘法得到一个维数更低、带有监督信息的低维张量；最后，通过基于欧氏距离的最近邻分类器进行分类。本发明所提供的方法较MPCA有更高的识别率，最终降维后的特征也更短一些。

主权项

1.一种多线性大间距的特征提取方法，其特征是，假设第m个训练样本用N阶张量表示，其中，R代表空间，I_n(n=1,…,N)为张量的“n-模式”的维数，那么M个训练样本集合可以表示为{χ_m,m=1,…,M}，它们是张量空间中的张量；将张量空间映射到(P_n＜I_n,n=1,…,N)，其中，P_n(n=1,…,N)表示降维后的张量的“n-模式”的维数，映射后的张量能捕捉到原始张量数据“变化”最大的方向用Laplacian散度之差来度量，即使类间Laplacian散度与类内Laplacian散度之差最大。