[发明专利]一种用于图像识别的基于邻域保持和核子空间对齐的方法

摘要

本发明公开了一种用于图像识别的基于邻域保持和核子空间对齐的方法,首先利用核映射函数将源域和目标域图像都映射到同一个高维空间中，使得在这个高维空间中源域和目标域图像线性可分。然后对高维空间中的源域图像和目标域图像使用主成分分析法PCA降维，得到源域子空间和目标域子空间。接着，学习一个对齐矩阵将源域子空间和目标域子空间对齐，同时保证在原始空间中属于不同类别的源域样本在对齐后的空间中尽可能的分开。最后，利用学习得到的对齐矩阵对新的图像进行分类。本发明方法通过邻域保持和核子空间对齐缓解了源域和目标域样本分布不同导致传统的图像识别方法的识别准确率下降的问题，相对于传统的方法本发明取得了更高的图像识别准确率。

主权项

一种用于图像识别的基于邻域保持和核子空间对齐的方法，其特征在于，包括以下步骤：步骤1、将源域样本集Xs和目标域样本集Xt通过核映射函数映射到同一个高维空间中，获得高维空间中的源域样本集Φ(Xs)和高维空间中目标域样本集Φ(Xt)；步骤2、对高维空间中源域样本集Φ(Xs)和高维空间中目标域样本集Φ(Xt)分别利用主成分分析法PCA处理得到源域子空间Ps和目标域子空间Pt；步骤3、利用源域样本的标签信息、源域子空间Ps和目标域子空间Pt计算对齐矩阵M，将源域子空间和目标域子空间对齐；步骤4、利用步骤2中的Ps得到高维空间中降维后的源域样本集PsTΦ(Xs)，再利用步骤3中的对齐矩阵M将PsTΦ(Xs)投影到对齐后的空间中得到源域数据集Ys,Ys＝(PsM)TΦ(Xs)；其中，上标T表示矩阵的转置；步骤5、利用步骤2中的Pt将高维空间中的目标域样本集直接投影到目标域子空间中得到目标域数据集Yt，Yt＝PtTΦ(Xt)；步骤6、通过最近邻分类器，根据步骤4获得的源域数据集和步骤5获得的目标域数据集，输出识别结果。