[发明专利]自带漂移补偿功能的模式识别算法

权利要求书

1.一种自带漂移补偿功能的模式识别算法，其特征在于：包括如下步骤：

步骤1：建立预测模型

当i代表训练样本的第i类，为初始训练样本集，为初始训练样本集对应的编码系数，P_i⁽⁰⁾为初始分析字典，为初始综合字典，则字典学习模型定义为：

其中，||·||₂为2范数，p＝0,1,2，为的补集；

步骤2：对预测模型中的未知量进行求解

利用最小二乘算法对步骤1中p＝2时的编码稀疏、分析字典和综合字典进行求解。

将公式(1)对求偏导数等于0，由于

可解得：

将公式(1)对P_i⁽⁰⁾求偏导数等于0，可解得：

将公式(1)对求偏导数等于0，可解得：

步骤3：建立预测模型矩阵

为重建后的样本信号，则有

定义为初始预测矩阵模型，可得：

步骤4：更新和修正预测模型

设为第k次获得的训练样本，代入公式(2)，则可以求得这些新样本对应的编码系数为：

其中，k≥1。设λ为遗忘因子，且0≤λ≤1，更新编码系数

其中，为第k-1次更新后的编码系数，为第k次更新后的编码系数。

新样本对应的分析字典为：

更新分析字典，

P_i^(k)＝λP_i^(k-1)+(1-λ)△P_i^(k) (10)

新样本对应的综合字典为：

更新综合字典，

更新预测矩阵

步骤5：识别漂移后的样本

重建漂移后的测试样本s_test-drift：

最后，识别测试样本s_test-drift的种类：