[发明专利]一种数据处理方法及装置

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

根据源域图像在对齐后的空间中的聚集程度确定最优对齐矩阵，使得所述源域图像中属于相同类别的第一源域图像，在对齐后的空间中的聚集程度最大；

利用所述最优对齐矩阵将所述源域图像的子空间和目标域图像的子空间对齐，得到源域图像数据集和目标域图像数据集；

根据所述源域图像数据集和所述目标域图像数据集对最近邻分类器进行训练，得到训练后的分类器；

利用训练后的分类器对所述目标域图像中不带标签的图像进行分类识别；

其中，通过下述公式(5)构建所述最优对齐矩阵的表达式：

其中，λ，β∈(0，+∞]表示正则化常数，表示源域图像的子空间和目标域图像的子空间的分布差异，S_w表示源域图像中属于相同类别的第一源域图像在对齐后的空间中的聚集程度；S_b表示源域图像中属于不同类别的第二源域图像在对齐后的空间中的分散程度；M表示最优对齐矩阵；λtr(S_w)为矩阵S_w的迹，βtr(S_b)为矩阵S_b的迹，P_s表示源域图像子空间，P_t表示目标域图像子空间；

其中，通过下述公式(1)构建矩阵S_w；通过下述公式(2)构建矩阵S_b：

令：

其中，C表示源域样本S和目标域样本T在原始空间中所属的类别个数；n_i表示第i类样本的个数；μ_i表示第i类样本的均值；μ表示所有样本的均值；P_s表示源域子空间；M表示源域子空间P_s和目标域子空间P_t的对齐矩阵；表示具体某个样本；上标T表示矩阵的转置。

2.根据权利要求1所述的方法，所述方法还包括：

根据源域图像在对齐后的空间中的聚集程度确定最优对齐矩阵，使得所述源域图像中属于不同类别的第二源域图像，在对齐后的空间中的聚集程度最小。

3.根据权利要求1所述的方法，根据源域图像在对齐后的空间中的聚集程度确定最优对齐矩阵，使得所述源域图像中属于相同类别的第一源域图像，在对齐后的空间中的聚集程度最大，包括：

计算最优对齐矩阵，使得所述源域图像中第i类图像的均值和所述源域图像中所有图像的均值之间的差异最小。

4.根据权利要求2所述的方法，根据源域图像在对齐后的空间中的聚集程度确定最优对齐矩阵，使得所述源域图像中属于不同类别的第二源域图像，在对齐后的空间中的聚集程度最小，包括：

计算最优对齐矩阵，使得所述源域图像中第i类图像的均值和所述源域图像中所有图像的均值之间的差异最大。

5.根据权利要求1所述的方法，根据源域图像在对齐后的空间中的聚集程度确定最优对齐矩阵，包括：

构建所述源域图像中属于相同类别的第一源域图像在对齐后的空间中的第一散布矩阵，所述第一散布矩阵表征所述第一源域图像在对齐后的空间中的最大聚集程度；

构建所述源域图像中属于不同类别的第二源域图像在对齐后的空间中的第二散布矩阵，所述第二散布矩阵表征所述第二源域图像在对齐后的空间中的最小聚集程度；

根据所述第一散布矩阵和所述第二散布矩阵，确定所述最优对齐矩阵。

6.根据权利要求1所述的方法，其特征在于，在根据源域图像在对齐后的空间中的聚集程度确定最优对齐矩阵之前，所述方法还包括：

利用主成分分析法PCA分别对原始空间中的所述源域图像和所述目标域图像进行降维处理，得到所述源域图像的子空间和所述目标域图像的子空间。