[发明专利]一种类一致邻域的连续谱投影图像识别方法

权利要求书

1.一种类一致邻域的连续谱投影图像识别方法，其特征在于，包括如下步骤：

步骤一，设置图像数据集中每个样本的初始类一致邻域；

步骤二，估计每个图像样本类一致邻域的信赖概率密度；

步骤三，基于每个图像样本的类一致邻域的信赖概率密度函数构造邻接矩阵A；

步骤四，按照规范切图的方式计算邻接矩阵A的谱投影Y，并通过Y扩展每个样本的类一致邻域；

步骤五，再次估计类一致邻域的信赖概率密度并强化邻接矩阵B；

步骤六，按照商连接的方式计算邻接矩阵B的谱投影U，并对U聚类，完成图像识别；

所述步骤一具体为：设置图像数据集中每个样本的初始类一致邻域：对于图像数据集中的每个图像样本，设置其初始类一致邻域半径为，并设置为的初始类一致邻域；是距离度量，采用欧式距离，代表数据集中的第个近邻点，设置为，代表不超过的最大整数，代表数据集的样本数目，K代表数据集的类别数目。

2.如权利要求1所述的一种类一致邻域的连续谱投影图像识别方法，其特征在于，所述步骤二具体为：对于图像样本，估计其类一致邻域的信赖概率密度函数为：

这里参数选取为：当时， ， 否则。

3.如权利要求2所述的一种类一致邻域的连续谱投影图像识别方法，其特征在于，所述步骤三具体为：计算图像样本与图像样本的类一致信任度为 并构造邻接矩阵A，使得A的第i行，第j列的元素为 = 。

4.如权利要求3所述的一种类一致邻域的连续谱投影图像识别方法，其特征在于，所述图像样本的连接纯度purity的定义为：

其中代表的真实标签，的值介于0到1之间。

5.如权利要求3所述的一种类一致邻域的连续谱投影图像识别方法，其特征在于，所述步骤四具体包括如下步骤：

（4.1）计算邻接矩阵A的正规化矩阵，并对进行特征值分解，其中为的所有行之和构成的对角矩阵；

（4.2）求解G的最大K个特征值对应的特征向量，并构成谱投影，记，即表示的第i个行向量；

（4.3）通过余弦度量 计算与的距离；

（4.4）对于每个，把所有图像样本的谱投影与它的距离从小到大排序为，通过 ，即对每个, 记，并记为中的最大元素所对应下标中的第二个分量，使用估算的类一致邻域的规模，并扩展的类一致邻域半径为扩展的类一致邻域为。

6.如权利要求5所述的一种类一致邻域的连续谱投影图像识别方法，其特征在于，所述步骤五具体包括如下步骤：

（5.1）估计图像样本谱投影的类一致邻域的信赖概率密度函数为：

参数选取为：；

（5.2）计算与的类一致信任度为 并构造邻接矩阵B，使得B的第i行，第j列的元素为；

（5.3）当与所对应与的距离不大于时，强化邻接矩阵的第i行，第j列的元素为，这里，。

7.如权利要求6所述的一种类一致邻域的连续谱投影图像识别方法，其特征在于，所述步骤六具体包括如下步骤：

（6.1）求解邻接矩阵B的最大K个特征值对应的特征向量，并构成；

（6.2）以作为初值，代表以作为对角元的对角矩阵，其中代表的所有元素之和的符号，通过非线性共轭梯度法求解

得到解为K阶实矩阵Q，并通过Q的奇异值分解得到正交阵，sgn代表符号函数， 代表矩阵的F-范数， 代表UQ的负部，代表矩阵N的转置；

（6.3） 令，对于任意的 把第i个图像样本的标签设置为，这里代表 的第i行，第k列的元素。