[发明专利]一种基于类间判别的矩阵分类模型

摘要

本发明提供一种基于类间判别的矩阵分类模型，首先采集数据集，将采集到的样本转化成矩阵型的样本，其次构造正则化项。之后将正则化项引入MatMHKS中，并产生一个新的面向矩阵模式分类模型CBCMatMHKS，并用训练集训练该新模型，为了获得模型的最优解我们使用梯度下降法求解模型CBCMatMHKS。然后使用测试集对获得的最优解进行测试，进而得到最优的决策函数。最后使用最优的决策函数对输入的需要判断类别的矩阵样本进行计算，根据输出的结果对此矩阵样本进行分类。相较于传统的矩阵分类模型，本发明的方法通过引入类间的判别信息，使用簇心来代表某一区域的样本来让不同类别的样本局部的之间的距离最大化，提高了其分类正确率。

主权项

一种基于类间判别的矩阵分类模型，其具体步奏是：1)、首先采集数据集：将采集到的样本转化成矩阵模式以便后面的算法可以处理，其中对于不是数值型的数据集进行数值化，其中图片数据集需要灰度处理及使用传统降维算法进行降维处理以便出去噪声；2)、其次使用聚簇方法对训练集中的每一类分别进行聚簇并获得簇心；3)、随后使不同类之间的簇心在投影空间中之间的距离最大化，从而构造出新的正则化项RBC。3)、之后将正则化项RBC引入面向矩阵模式分类器MatMHKS中产生新的面向矩阵模式分类模型CBCMatMHKS，并用训练集训练CBCMatMHKS，使用梯度下降法对模型CBCMatMHKS求最优解；4)、然后使用测试集测试最优解，并得出最优的决策函数；5)、最后使用得出的最优的决策函数对输入的未知类别的矩阵模式进行计算，根据输出的结果对未知的矩阵模式进行分类。