[发明专利]基于自组织图约束直推式非负矩阵分解的未见图像特征迁移方法

权利要求书

1.一种基于自组织图约束直推式非负矩阵分解的未见图像特征迁移方法，包括如下步骤：

(1)分别从辅助领域D_s和目标领域D_t选取若干图像样本构成训练样本集其中，d表示图像样本的维数，n_s和n_t分别表示从辅助领域和目标领域选取的训练样本个数；

(2)根据辅助领域的图像样本Y_s和标注信息L_s，分别采用随机非负数的方式和非负逻辑回归方法，初始化辅助领域和目标领域的基矩阵A和特征矩阵S，其中，c是辅助领域样本类别数，秩r＝c；

(3)根据辅助领域Ds和目标领域Dt选取若干图像样本构成训练样本集Y，分别利用训练样本集Y的行间K近邻关系和列间K近邻关系，初始化基矩阵图G_A和特征矩阵图G_S，用于循环迭代过程；

(4)设置迭代次数T，当迭代次数tT/5时，使用初始化的基矩阵图G_A和特征矩阵图G_S更新基矩阵A和特征矩阵S；当T/5≤t≤T时，使用基矩阵A和特征矩阵S构建的基矩阵图G_A和特征矩阵图G_S更新基矩阵A和特征矩阵S；使用迭代策略进行优化，得到优化的基矩阵A和特征矩阵S；

(5)对于给定的测试图像通过基矩阵A，计算对应的标签l_y。

2.根据权利要求1所述的基于自组织图约束直推式非负矩阵分解的未见图像特征迁移方法，其中步骤(2)所述的初始化辅助领域和目标领域的基矩阵A和特征矩阵S的方法如下：

(1)采用随机的非负数初始化基矩阵A；

(2)特征矩阵S的初始化，通过以下公式：

其中，max(0,*)表示取*和0之间较大的元素，(*)^T表示矩阵的转置，(*)^-1表示逆矩阵，I表示单位矩阵。

3.根据权利要求1所述的基于自组织图约束直推式非负矩阵分解的未见图像特征迁移方法，其中步骤(3)所述的初始化基矩阵图G_A和特征矩阵图G_S采用如下公式：

其中，Y_i,:表示第i行，Y_:,i表示第i列，Ω(*)表示*的K近邻，这里K∈{2,3,4,5}。

4.根据权利要求1所述的基于自组织图约束直推式非负矩阵分解的未见图像特征迁移方法，其中步骤(4)所述的迭代策略如下：

当迭代次数t＜T/5时，

当迭代次数T/5≤t≤T时，

其中，·表示矩阵点积操作，表示矩阵点除操作，ξ₁,ξ₂,ξ₃∈(0,1)是设置的较小非负参数，对角矩阵W_A和W_S分别是G_A和G_S的度矩阵。

5.根据权利要求1所述的基于自组织图约束直推式非负矩阵分解的未见图像特征迁移方法，其中步骤(5)所述的计算测试图像的标签，通过如下公式进行：