[发明专利]一种基于核统计不相关的多视图的图像分类方法

权利要求书

1.一种基于核统计不相关的多视图的图像分类方法，其特征在于，具体包含如下步骤：

步骤1：根据带有加权统计不相关约束条件的目标函数，利用核方法，得到在高维特征空间中的特征方程最大特征值对应的特征向量ω作为投影向量；

步骤2：通过依次迭代的方法，求解出所有的剩余投影向量；

步骤3：将解出的所有剩余投影向量组合起来，构成投影矩阵；

步骤4：通过对原始样本进行投影，将其投影到高维空间，进而获取新的高维空间中存在的样本特征集合；

步骤5：使用最近邻分类器分类，获得多视图图像分类的结果。

2.根据权利要求1所述的一种基于核统计不相关的多视图的图像分类方法，其特征在于，在步骤1中，带有加权的统计不相关约束条件具体表示为：

St=Σj=1vΣi=1cΣk=1ni(xijk-μ‾)(xijk-μ‾)T]]>

式中，S_t表示总体散度矩阵，v代表视图个数，c是样本类别数，n_t表示视图第i类样本总数，x_ijk表示第j个视图第i类的第k个样本，表示样本的均值，T为转置符号。

3.根据权利要求2所述的一种基于核统计不相关的多视图的图像分类方法，其特征在于，在步骤1中，目标函数为：

minJ_SS(β,ρ,σ)＝β^TNβ-Cρ+μR(β),

s.t.β^T(M_q+1-M_q)≥ρ

其中，β代表样本x对投影矩阵W的贡献，ρ代表约束阈值，N代表样本的近邻表示，C代表惩罚系数，μ表示模型中无标签数据对样本特征提取贡献大小相关的参数，R代表包含内积的矩阵，M_q代表q个样本核化之后的平均值，q为正整数。