[发明专利]基于Fisher判别分析的矩阵变量受限玻尔兹曼机图像分类方法有效
| 申请号： | 201810787846.2 | 申请日： | 2018-07-18 |
| 公开（公告）号： | CN109784356B | 公开（公告）日： | 2021-01-05 |
| 发明（设计）人： | 李敬华;田鹏宇;孔德慧;王立春;尹宝才 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 张慧 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于矩阵变量Fisher判别分析的ClassMVRBM模型进行图像分类的方法，采用矩阵变量的Fisher准则即类内最小、类间最大准则，并整合到ClassMVRBM模型进行联合训练；首先定义了面向矩阵变量的Fisher准则，通过引入矩阵变量之间的距离度量，定义了矩阵变量的类内散度和类间散度；然后引入该矩阵变量Fisher判别准则到矩阵变量受限玻尔兹曼机分类模型(记为ClassMVRBM‑MVFDA)的目标函数；最后通过联合训练进行模型求解。本发明方法能够使同类图像的特征之间的距离小，而不同类图像的特征之间距离大，进而利于图像分类。 | ||
| 搜索关键词： | 基于 fisher 判别分析 矩阵 变量 受限 玻尔兹曼机 图像 分类 方法 | ||
【主权项】：
1.一种基于Fisher判别分析的矩阵变量受限玻尔兹曼机分类模型的图像识别方法，其特征在于，采用矩阵变量的Fisher准则即类内最小、类间最大准则，并整合到ClassMVRBM模型进行联合训练，包括以下步骤：步骤1、定义了面向矩阵变量的Fisher准则，通过引入矩阵变量之间的距离度量，定义了矩阵变量的类内散度和类间散度；步骤2、引入该矩阵变量Fisher判别准则到矩阵变量受限玻尔兹曼机分类模型(记为ClassMVRBM‑MVFDA)的目标函数；步骤3、通过联合训练进行模型求解。
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北京工业大学，未经北京工业大学许可，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/201810787846.2/，转载请声明来源钻瓜专利网。
- 上一篇：模型生成服务器及其模型生成方法
- 下一篇：一种基于统计模型的图像重拍检测方法
