[发明专利]一种多类平均最大化真假目标特征提取方法

权利要求书

1.一种多类平均最大化真假目标特征提取方法，其特征在于，包括以下步骤：

S1、设n维列矢量x_cj为第c类真假目标的第j个训练一维距离像,1≤c≤g，1≤j≤N_c，其中g为类别数，N_c为第c类真假目标的训练一维距离像样本数，N为训练一维距离像样本总数，利用多项高斯分量来表示第c类的似然函数：

其中为各高斯分量的权系数，且M_c为第c类的高斯分量个数，代表高斯分量项的参数，p(·)为概率密度函数；

S2、假定一维像数据中各特征元素是互相独立的，同时如果元素与类别独立，则该元素不是有效的特征，设元素服从分布q(x_cjk/γ_ck)，x_cjk表示x_cj的第k个元素，γ_ck为第c类第k个特征元素的分布系数，由分布类型确定定义两值变量ψ_ck，如果特征元素有效，则ψ_ck＝1，否则ψ_ck＝0；令特征元素有效的概率为β_k＝P(ψ_ck＝1)，根据似然函数建立模型：

其中γ_ck为第c类第k个特征元素的分布系数；

S3、通过均值最大化方法估计步骤S2中所建模型的参数：

S31、初始化高斯分量的均值矢量、协方差矩阵及权值；

S32、计算模型参数的更新值：

其中，n_θ和n_γ分别为参数集和中的参数个数，E(·)和var(·)分别表示参数集中的均值参数和方差参数；

S33、计算各参数更新前后的误差，如果小于指定的门限值或超过了指定的迭代次数，则更新过程终止并进入步骤S4，否则，回到步骤S32继续迭代更新；

S4、若值大于给定门限值，则保留第k个特征元素，并将保留的特征元素组成一个新的特征矢量，作为特征提取结果。