[发明专利]基于线性表示多视图鉴别字典学习的分类方法

摘要

本发明公开了基于线性表示多视图鉴别字典学习的分类方法，该方法利用训练样本集识别测试样本所属的类别。在训练阶段，通过线性表示多视图鉴别字典学习得到对应每一视图每一类训练样本的字典。在分类测试阶段，计算用对应每一类训练样本所有视图的字典去重构测试样本的重构误差，最后将测试样本归为重构误差最小的字典所对应的那一类。本发明相较于现有技术简化了求解过程，有效提高了字典的分类能力。

主权项

基于线性表示多视图鉴别字典学习的分类方法，其特征在于，设X＝[X1；X2；…；XM]表示一个包含M个视图的训练样本集，X中包含c个类别，第j个类别中包含Nj个样本，表示第i个视图的训练样本集，表示Xi中第j个类别的训练样本集，(Rd表示d维的实向量集合)表示中的第t个训练样本，y＝[y1；y2；…；yM]表示一个包含M个视图的测试样本，yi∈Rd表示第i个视图的测试样本，包括如下阶段步骤：A、在训练阶段，基于线性表示多视图鉴别字典学习的分类方法通过求解下面的问题获得(1)对应第i个视图第j个类别的字典(表示d×Nj阶实矩阵集合)，i＝1,2,…,M，j＝1,2,…,c；(2)使用线性表示的线性表示系数矩阵minDji,Ajkii=1,2,...,Mj=1,2,...,ck=1,2,...,cΣi=1MΣj=1c(||Xji-DjiAjji||F2-1c-1Σk=1k≠jc||Xki-DjiAjki||F2)s.t.DjiTDqp=0,i=1,2,...,M;p=1,2,...,M;p≠ij=1,2,...,c;q=1,2,...,c]]>通过依次更新线性表示系数矩阵和字典进行迭代求解，可以得到这两组变量的解；B、在分类测试阶段，步骤1，基于线性表示多视图鉴别字典学习的分类方法通过求解下面的问题获得M个线性表示系数向量计算用第j个类别的字典去重构测试样本y的重构误差，如下：步骤2，如果rk(y)在r1(y),r2(y),…,rc(y)中最小，基于线性表示多视图鉴别字典学习的分类方法将y归到第k类。