[发明专利]数据降维方法及基于数据降维方法的人脸识别方法

摘要

数据降维方法及基于数据降维方法的人脸识别方法。本发明提供了一种数据降维方法，包括：S1.对于D维空间R^D中的数据点集X＝{x₁,x₂,…,x_N}，确定每个样本点x_i的K个近邻点x_i1,x_i2,…,x_iK；S2.根据每个样本点x_i的K个近邻点x_i1,x_i2,…,x_iK计算所述每个样本点x_i的局部重建权值矩阵W_i＝{w_i1,w_i2,…,w_iK}；S3.根据所述每个样本点x_i的局部重建权值矩阵W_i＝{w_i1,w_i2,…,w_iK}，将每个样本点映射到低维空间，映射条件为：ε(Y)为损失函数值，y_i是x_i的输出向量，y_i1,y_i2,…,y_iK是y_i的K个近邻点，得到D维空间R^D中的数据点集X＝{x₁,x₂,…,x_N}对应的d维空间R^d中的数据点集Y＝{y₁,y₂,…,y_N}，d

主权项

1.一种基于数据降维方法的人脸识别方法，其特征在于，所述数据降维方法包括：S1.对于D维空间R^D中的数据点集X＝{x₁,x₂,…,x_N}，确定每个样本点x_i的K个近邻点x_i1,x_i2,…,x_iK；S2.根据每个样本点x_i的K个近邻点x_i1,x_i2,…,x_iK计算所述每个样本点x_i的局部重建权值矩阵W_i＝{w_i1,w_i2,…,w_iK}；S3.根据所述每个样本点x_i的局部重建权值矩阵W_i＝{w_i1,w_i2,…,w_iK}，将每个样本点映射到低维空间，映射条件为：ε(Y)为损失函数值，y_i是x_i的输出向量，y_i1,y_i2,…,y_iK是y_i的K个近邻点，得到D维空间R^D中的数据点集X＝{x₁,x₂,…,x_N}对应的d维空间R^d中的数据点集Y＝{y₁,y₂,…,y_N}，d＜D；所述步骤S2包括：S21.最优化式子求解W_i＝{w_i1,w_i2,…,w_iK}，其中将其转化为最优化式子求解W_i＝{w_i1,w_i2,…,w_iK}，其中，H＝2O^TO,b＝‑2O^TI,c＝I^TI，O为O＝(Q‑B)^T(Q‑B),Q＝(q_i,q_i,…q_i),B＝(x_i1,x_i2,…x_iK)，I为单位矩阵，O^T为O的转置矩阵；S22.预先设定初始值W⁰和计算精度ε，ε＞0；S23.计算若||g₀||＜ε，则W_i＝W⁰；否则，令s⁰＝‑g₀,k＝0；S24.最优化下式，求解τ⁰，令S25.若||g_k+1||＜ε，结束迭代，否则，执行步骤S26；S26.若k＜K‑1，令k＝k+1，执行步骤S24；若k＝K‑1，则W⁰＝Wⁿ，执行步骤S23；其中，所述基于数据降维方法的人脸识别方法包括：提取脸部信息，转化为数据信息；对所述数据信息进行数据降维处理；对降维后的数据进行最近邻分类器匹配，若匹配成功，不报警；否则，报警。