[发明专利]基于非负特征融合的场景图像分类方法有效
| 申请号： | 201810034600.8 | 申请日： | 2018-01-15 |
| 公开（公告）号： | CN108460401B | 公开（公告）日： | 2022-04-29 |
| 发明（设计）人： | 刘渭滨;邹智元;邢薇薇;郑伟;赵雅昕 | 申请（专利权）人： | 北京交通大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/774;G06V10/77;G06V10/80;G06K9/62 |
| 代理公司： | 北京市万慧达律师事务所 11111 | 代理人： | 黄玉东 |
| 地址： | 100044 北京市海淀*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于非负特征融合的场景图像分类方法，包括以下步骤，获取原始数据的多种非负特征，定义并建立特征矩阵；对特征矩阵进行非负特征分解，得到基础特征和特征融合因子；使用基础特征和特征融合因子进行融合特征重建，得到融合特征；基于融合特征，建立基于正规化F范数误差的融合单特征分类器；使用融合特征Boosting算法对融合特征进行提升，得到融合单特征提升权重矩阵和融合多特征提升权重矩阵；基于提升权重矩阵，建立融合多特征分类器。本发明提出非负特征分解与融合特征重建的两步特征融合方法，为原始数据多种非负特征的融合提供了技术手段，实现多种特征的优势互补，基于融合特征建立的分类器能够得到更高的分类准确率。 | ||
| 搜索关键词： | 基于 特征 融合 场景 图像 分类 方法 | ||
【主权项】：
1.一种非负特征融合方法，包括如下步骤：S1，采集数据样本，建立特征矩阵；S2，进行非负特征分解；利用基于投影梯度法的非负矩阵分解算法，对步骤S1的特征矩阵进行非负特征分解，得到基础特征和特征融合因子；S3，融合特征重建；采用随机索引法对步骤S2得到的基础特征进行融合，得到数据样本的每类样本每种特征的融合特征，实现非负单特征融合。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京交通大学，未经北京交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810034600.8/，转载请声明来源钻瓜专利网。
