[发明专利]一种基于非负稀疏的鉴别性低秩表示分类方法在审
| 申请号： | 201810705755.X | 申请日： | 2018-07-02 |
| 公开（公告）号： | CN108875686A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 陈才扣;侯谢炼;李经善 | 申请（专利权）人： | 扬州大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 扬州苏中专利事务所(普通合伙) 32222 | 代理人： | 许必元 |
| 地址： | 225009 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本发明提出一种基于非负稀疏的鉴别性低秩表示分类方法：首先在训练样本中寻找一个稀疏，低秩和非负矩阵。然后在此基础上加上一个结构不一致的约束条件，促使不同类的样本尽可能独立，从而增加额外的识别能力。最后对测试样本做稀疏表示分类算法（Spare Representation Classification,SRC）、协同表示分类算法（Collaborative Representation Classification,CRC）等；从而将测试样本分类。本发明提供一种将训练样本进行非负，稀疏，鉴别性低秩处理的一种基于非负稀疏的鉴别性低秩表示分类方法。 | ||
| 搜索关键词： | 低秩 稀疏 鉴别性 分类算法 训练样本 分类 测试样本分类 测试样本 非负矩阵 稀疏表示 约束条件 不一致 样本 协同 | ||
【主权项】：
1.一种基于非负稀疏的鉴别性低秩表示分类方法，其特征是，包括以下步骤：1)给定原始的测试样本和训练样本；2)在所有训练样本中寻找一个稀疏、低秩和非负矩阵；3)在2)的基础上加上一个结构不一致的约束条件，通过计算可得到训练样本的表示矩阵；4)使用3)中得到表示矩阵来重构测试样本，得到测试样本的重构图像，这里称之为重构后的测试样本；5)用重构后的测试样本与原始测试样本的残差做分类算法。
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扬州大学，未经扬州大学许可，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/201810705755.X/，转载请声明来源钻瓜专利网。
