[发明专利]一种联合结构化稀疏表示与低维嵌入的字典学习方法

摘要

本发明公开了一种联合结构化稀疏表示与低维嵌入的字典学习方法，字典构造与降维投影矩阵并行交替进行，通过在低维投影空间中强迫具有块对角化结构的稀疏表示系数矩阵来增强字典的类间不相干性，与此同时，利用类别子字典上的表示系数的低秩性来保持字典的类内相关性，字典构造与投影学习能够互相促进，以充分保持数据的稀疏结构，从而编码出更具有类别判别力的编码系数，本发明解决了现有技术中存在的字典学习方法中由于训练样本数据的高维特性和缺乏严格块对角化结构约束的字典而使得所编码出的表示系数类别判别能力弱、区分性不强的问题。

主权项

1.一种联合结构化稀疏表示与低维嵌入的字典学习方法，其特征在于，具体按照以下步骤实施：步骤1、读入训练样本的特征数据集其中C为类别数，n为特征的维数，为第i类的N_i个样本所构成的特征子集，i＝1,2,…,C，步骤2、采用交替方向Lagrange乘子法求解优化问题获得编码字典D、降维投影矩阵P和编码系数矩阵X；步骤3、读入测试样本特征数据由编码字典D和降维投影矩阵P并通过求解以下优化问题来获得测试样本的稀疏表示系数步骤4、计算测试样本的稀疏表示系数在各类别子字典D_i上的重构误差e_i：其中为对应于在第i个子字典D_i上的编码系数D＝[D₁,D₂,…,D_C]，i＝1,2,…,C；步骤5、根据最小重构误差准则对测试样本进行分类，其类别标号为：