[发明专利]经高维数据分类的识别

权利要求书

1.一种用于在存在遮挡时识别高维数据的计算机实现的方法，包括：

由计算机接收包括遮挡并属于未知类的目标数据，其中所述目标数据包括已知对象；

通过所述计算机采样多个训练数据文件，所述多个训练数据文件包括与所述目标数据的对象相同的对象的多个不同类；以及

由所述计算机使用l¹最小化，通过所采样的训练数据文件的线性叠加来标识所述目标数据的类，其中具有最稀疏数量的系数的线性叠加用于标识所述目标数据的类。

2.如权利要求1所述的方法，其中所述多个训练数据文件包含所述目标数据，以及其中识别所述目标数据的类是通过执行包括l¹最小化的算法以去除所述遮挡，以便允许标识所述目标数据。

3.如权利要求2所述的方法，其中所述目标数据的对象包括测试语音文件，以及其中所述多个训练数据文件包括训练语音文件。

4.如权利要求2所述的方法，其中所述目标数据的对象包括多个像素被部分遮挡的测试图像(y)，以及其中所述多个训练数据文件包括多个训练图像。

5.如权利要求4所述的方法，其中单个矩阵(A)表示所采样的多个训练图像，以及其中所述算法恢复y＝Ax₀+e形式的表示，其中x₀包括产生所述最稀疏数量的系数的解，并且其中e包括误差的向量，它也是y的稀疏表示。

6.一种用于在存在遮挡时识别高维数据的计算机实现的方法，包括：

由计算机接收包括遮挡且其身份未知的测试数据(y)，其中所述测试数据包括已知对象；

通过所述计算机采样多个标记的训练数据文件，所述多个标记的训练数据文件由包括多个(k)不同身份的矩阵A＝[A₁...A_k]来表示，其中所采样的训练数据文件具有与y的对象相同的对象；以及

通过所述计算机，使用l¹最小化将y表达为所述多个训练数据文件(A)的稀疏线性组合加上由于所述遮挡造成的稀疏误差(e)，其中所述测试数据y的身份由所述计算机来识别。

7.如权利要求6所述的方法，其中所述测试数据y的对象包括测试语音或音频文件。

8.如权利要求6所述的方法，其中所述测试数据y的对象包括多个像素被部分遮挡的测试图像，以及其中所述多个训练数据文件包括多个训练图像。

9.如权利要求8所述的方法，其中将y表达为A的稀疏线性组合和e包括：

生成系数(x₀)，使得y＝Ax₀+e，其中包括m空间中非零项的误差向量，并且x₀和e包括通过l¹最小化的y的同时稀疏表示，其中的非零项取决于对应于所遮挡的像素的大小为ρm的集合，其中m包括所述测试图像中像素的总数，并且ρ包括对应于遮挡的像素的数量的部分。