[发明专利]一种基于多特征表示的模式识别方法

摘要

本发明涉及人工智能领域，更具体的，涉及一种基于多特征表示的模式识别方法，本发明将系数分离为共享系数与特殊系数，从而将多特征的相似性与特殊性区严格区分开，为充分发掘多特征的相似性与特殊性提供了更有效的条件，并作用于最后的分类器，从而提高识别分类效果；而且本发明引入了相似加权项，使得模型对特征异常点鲁棒。

主权项

1.一种基于多特征表示的模式识别方法，其特征在于，包括以下步骤：步骤S1：提出共享和特殊的表示模型，模型表达式如下：其中K表示特征的个数，τ,λ₁和λ₂是常量参数，表示查询样本的第k个特征，为标量，即向量y_k的一个元素，n代表这个特征向量的维度；表示第k个特征的字典，为特征向量，n表示向量的维度，m代表第m个训练样本；是查询样本对于各个特征字典的一个共同系数，α^c，m表示关于第m个训练样本的共同系数，为标量，c为共同系数的标志；是对于第k个特征字典的特殊系数，ω_k为第k个特征的权值；表示关于第m个训练样本的第k个特征的特殊系数，s是特殊系数的标志；步骤S2：初始化共享系数α^c,特殊系数与权重ω_k，令α^c＝0,ω_k＝0；步骤S3：对模型进行交替迭代，更新共享系数α^c,特殊系数与权重ω_k，直到整个模型收敛到一个局部最小值为止；步骤S4：在求得的共享系数α^c,特殊系数与权重ω_k的基础上，利用最小重构误差求取测试样本的标签：其中，D_k,j是字典D_k中属于j类的子字典，是对应于子字典D_k,j的共享系数，是对于子字典D_k,j的特殊系数。