[发明专利]一种向量化降维方法

摘要

本发明公开了一种向量化降维方法，其识别率大大提高。所述方法包括步骤：(1)根据公式(1)的向量化降维模型，将张量数据表示成若干个基张量的线性组合；(2)将张量数据直接降维到一个向量数据,将样本Y_i重新写成投影基底W_k(k＝1，...，K)的线性组合，投影基底W_k与样本Y_i有相同的维度，得到2D数据的向量化的降维；(3)假设噪声满足矩阵高斯分布E_i的每个元素满足正态分布

主权项

1.一种向量化降维方法，其特征在于：所述方法用于图像处理，包括以下步骤：(1)根据公式(1)的向量化降维模型，将灰度图像的张量数据表示成若干个基张量的线性组合其中给定样本集包含M个独立同分布的样本，这些样本可以组成一个三阶张量此张量的每一面是一个样本Y_i，K表示降维后的维度；(2)将灰度图像的张量数据直接降维到一个向量数据公式(2)中表示h_i的第k个元素，W_k是张量W的第k个面,将样本Y_i重新写成投影基底W_k(k＝1，...，K)的线性组合，投影基底W_k与样本Y_i·有相同的维度，得到2D数据的向量化的降维；(3)假设噪声满足矩阵高斯分布E_i的每个元素满足正态分布为了应用以上模型，根据公式(3)给定隐变量一个先验分布：假设满足Gamma分布：对于公式(1)，假设h和ρ是模型的隐变量，是参数；根据公式(4)对于给定的样本极大化似然函数等价于极大化似然函数的对数值，其中联合分布为：其中，Y_i代表第i个样本，是降维基底，是样本Y_i在降维基底下的系数。