[发明专利]数据分类方法及装置

权利要求书

1.一种数据分类方法，其特征在于，包括：

识别预设样本数据库中每个训练样本的类别；

在预设样本数据库中分别选取第一训练样本集和第二训练样本集，每个训练样本集都包含有所述预设样本数据库中所有类别的多个训练样本；

确定所述第一训练样本集中每一类别的训练样本的平均样本；

利用预设迭代算法对所有类别的平均样本进行迭代运算得到所述第一训练样本集的分类字典；

将所述第二训练样本集中的每个训练样本在所述分类字典下分解得到一个训练稀疏系数向量；

将得到的所有训练稀疏系数向量级联得到训练矩阵，所述训练矩阵包含有至少两个列向量；

根据所述第二训练样本集中的每个训练样本的类别确定所述训练矩阵中每个列向量的类别标签，并保存所述训练矩阵中每个列向量对应的类别标签。

2.根据权利要求1所述的方法，其特征在于，所述训练样本为图像；

所述确定所述第一训练样本集中每一类别的训练样本的平均样本，包括：

计算所述第一训练样本集中每一类别的多个样本相同位置上像素点的像素值的平均值；

对于每个类别，分别将所有像素点的像素值均为平均值的样本确定为对应类别的平均样本。

3.根据权利要求2所述的方法，其特征在于，所述利用预设迭代算法对所有类别的平均样本进行迭代运算得到所述第一训练样本集的分类字典，包括：

利用预设迭代算法对每一类别的平均样本均进行迭代运算得到每个类别的类别字典；

将每个类别的类别字典级联得到所述第一训练样本集的分类字典。

4.一种数据分类方法，其特征在于，包括：

在预设样本数据库任意选取一个训练样本作为测试样本；

将所述测试样本映射到上述权利要求1-3任一项中所述的分类字典上得到所述测试样本的稀疏系数向量；

计算所述稀疏系数向量与上述权利要求1-3任一项中所述的训练矩阵中每个列向量的汉明距离；

根据所述稀疏系数向量与所述的训练矩阵中所有列向量的汉明距离确定所述测试样本的目标类别。

5.根据权利要求4所述的方法，其特征在于，所述根据所述稀疏系数向量与所述的训练矩阵中所有列向量的汉明距离确定所述测试样本的目标类别，包括：

比较所述稀疏系数向量与所述的训练矩阵中所有列向量的汉明距离；

在所述训练矩阵中所有列向量选取汉明距离最小的所有列向量作为参考列向量；

根据所述训练矩阵中每个列向量对应的类别标签，统计所有所述参考列向量对应的每个类别的类别标签的数量；

将数量最多的类别标签所对应的类别确定为所述测试样本的目标类别。

6.一种数据分类装置，其特征在于，包括：

类别识别模块，用于识别预设样本数据库中每个训练样本的类别；

样本集选取模块，用于在预设样本数据库中分别选取第一训练样本集和第二训练样本集，每个训练样本集都包含有所述预设样本数据库中所有类别的多个训练样本；

平均样本确定模块，用于确定所述第一训练样本集中每一类别的训练样本的平均样本；

计算模块，用于利用预设迭代算法对所有类别的平均样本进行迭代运算得到所述第一训练样本集的分类字典；

分解模块，用于将所述第二训练样本集中的每个训练样本在所述分类字典下分解得到一个训练稀疏系数向量；

级联模块，用于将得到的所有训练稀疏系数向量级联得到训练矩阵，所述训练矩阵包含有至少两个列向量；

类别标签确定模块，用于根据所述第二训练样本集中的每个训练样本的类别确定所述训练矩阵中每个列向量的类别标签，并保存所述训练矩阵中每个列向量对应的类别标签。

7.根据权利要求6所述的装置，其特征在于，所述训练样本为图像；

平均样本确定模块，包括：

平均值计算子模块，用于计算所述第一训练样本集中每一类别的多个样本相同位置上像素点的像素值的平均值；

第一确定子模块，用于对于每个类别，分别将所有像素点的像素值均为平均值的样本确定为对应类别的平均样本。