[发明专利]一种基于核方法和线性回归的人脸识别方法在审
| 申请号： | 201810232612.1 | 申请日： | 2018-03-20 |
| 公开（公告）号： | CN108399396A | 公开（公告）日： | 2018-08-14 |
| 发明（设计）人： | 徐书燕;仵博;冯延蓬;张爽 | 申请（专利权）人： | 深圳职业技术学院 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 深圳市嘉宏博知识产权代理事务所 44273 | 代理人： | 李杰 |
| 地址： | 518000*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于核方法和线性回归的人脸识别方法，包括步骤：首先通过非线性映射将训练样本和测试样本映射到一个高维核空间中；然后利用训练样本之间的协同表示构造核类间重构误差和核类内重构误差；通过最大化核类间重构误差和核类内重构误差的差值来求解最优投影矩阵；利用求得的投影矩阵对核特征空间中的高维样本数据进行降维；最后求解回归系数，对测试样本进行分类。本发明利用了不同类样本之间的协同表示作用，在高维核特征空间中构造投影矩阵，对样本数据进行降维的同时提取特征，能有效增强非线性处理能力，提高分类效率。 | ||
| 搜索关键词： | 重构 测试样本 人脸识别 特征空间 投影矩阵 线性回归 训练样本 样本数据 求解 高维 降维 协同 构造投影矩阵 非线性处理 非线性映射 高维核空间 分类效率 回归系数 提取特征 最大化 映射 样本 分类 | ||
【主权项】：
1.一种基于核方法和线性回归的人脸识别方法，其特征在于，其包括下列步骤：获取训练样本集和测试样本，通过一个非线性映射将训练样本集和测试样本映射到一个高维核特征空间中；利用训练样本之间的协同表示构造核类间重构误差和核类内重构误差，通过最大化目标函数求解最优投影矩阵；利用最优投影矩阵对核特征空间的高维样本数据进行降维；求解高维核特征空间中的回归系数，对测试样本进行重构，将测试样本分到具有最小重构误差的类别中。
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深圳职业技术学院，未经深圳职业技术学院许可，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/201810232612.1/，转载请声明来源钻瓜专利网。
