[发明专利]一种向量化降维方法

权利要求书

1.一种向量化降维方法，其特征在于：所述方法用于图像处理，包括以下步骤：

(1)根据公式(1)的向量化降维模型，将灰度图像的张量数据表示成若干个基张量的线性组合

其中给定样本集包含M个独立同分布的样本，这些样本可以组成一个三阶张量此张量的每一面是一个样本Y_i，K表示降维后的维度；

(2)将灰度图像的张量数据直接降维到一个向量数据

公式(2)中表示h_i的第k个元素，W_k是张量W的第k个面,将样本Y_i重新写成投影基底W_k(k＝1，...，K)的线性组合，投影基底W_k与样本Y_i·有相同的维度，得到2D数据的向量化的降维；

(3)假设噪声满足矩阵高斯分布E_i的每个元素满足正态分布为了应用以上模型，根据公式(3)给定隐变量一个先验分布：

假设满足Gamma分布：

对于公式(1)，假设h和ρ是模型的隐变量，是参数；根据公式(4)对于给定的样本极大化似然函数等价于极大化似然函数的对数值，

其中联合分布为：

其中，Y_i代表第i个样本，是降维基底，是样本Y_i在降维基底下的系数。

2.根据权利要求1所述的向量化降维方法，其特征在于：所述方法还包括步骤(4)，假设基底满足CP分解的结构，应用基于变分EM算法的贝叶斯推断对公式(1)求解。

3.根据权利要求2所述的向量化降维方法，其特征在于：所述步骤(4)中，根据公式(5)求解的CP分解:

利用上次迭代的W⁽¹⁾，W⁽²⁾和W⁽³⁾作为下一次的初始值，当得到W⁽³⁾后，利用公式(6)求解W^(h)

W⁽³⁾＝M^TW^(h) (6)

进而可以将上述二阶数据的模型推广到高阶张量数据的降维中。