[发明专利]一种基于局部近邻稀疏表示的目标识别方法有效
| 申请号： | 201010143009.X | 申请日： | 2010-04-09 |
| 公开（公告）号： | CN101826161A | 公开（公告）日： | 2010-09-08 |
| 发明（设计）人： | 王春恒;惠康华;肖柏华 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06K9/66 | 分类号： | G06K9/66 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 梁爱荣 |
| 地址： | 100080 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明为一种基于局部近邻稀疏表示的目标识别方法，其输入样本模块从数据库中输出并且由本单位化模块c类训练样本集和测试样本集进行单位化，获得单位化后的训练样本集A和测试样本集Y；局部近邻计算模块对于单位化后的测试样本集Y中的每个测试样本y，分别计算测试样本y在训练集A每个类别中的局部近邻；线性重构权值向量计算模块用每个类别的局部近邻线性重构测试样本y，并得到每个类别的线性重构权值向量，同时线性重构权值向量需要满足范数约束条件；局部近邻稀疏表示残差计算模块根据每个类别的线性重构权值向量，计算测试样本y在每个类别的局部近邻稀疏表示残差；分类模块根据每个类别的局部近邻稀疏表示残差，对测试样本y进行分类。 | ||
| 搜索关键词： | 一种 基于 局部 近邻 稀疏 表示 目标 识别 方法 | ||
【主权项】：
一种基于局部近邻稀疏表示的目标识别方法，其特征在于，利用基于局部近邻稀疏表示的目标识别系统，实现该方法的步骤如下：步骤1：输入样本模块从数据库中接收并输出c类训练样本集和测试样本集；步骤2：样本单位化模块对c类训练样本集和测试样本集进行单位化，获得单位化后的训练样本集A和测试样本集Y；步骤3：局部近邻计算模块对于单位化后的测试样本集Y中的每个测试样本y，分别计算测试样本y在训练集A每个类别中的局部近邻；步骤4：线性重构权值向量计算模块用每个类别的局部近邻线性重构测试样本y，并得到每个类别的线性重构权值向量，同时线性重构权值向量需要满足范数约束条件；步骤5：局部近邻稀疏表示残差计算模块根据每个类别的线性重构权值向量，计算测试样本y在每个类别的局部近邻稀疏表示残差；步骤6：分类模块根据每个类别的局部近邻稀疏表示残差，对测试样本y进行分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所，未经中国科学院自动化研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201010143009.X/，转载请声明来源钻瓜专利网。
