[发明专利]一种基于主成分分析的逻辑斯蒂回归的目标归类方法

摘要

本发明涉及基于主成分分析的逻辑斯蒂回归的目标归类方法属于图片处理与模式识别领域，其特征在于采用如下步骤：(1)确定颜色矩特征；(2)确定纹理特征参数；(3)确定特征参数相关系数矩阵；(4)确定输入特征向量；(5)将上一步骤得到的特征向量作为逻辑斯蒂回归模型的输入，建立逻辑斯蒂回归模型进行训练，实现不同训练样本的归类。本发明用主成分分析的方法对样本集的特征向量进行了降维，将其作为逻辑斯蒂回归的输入特征向量进行模型训练，不需要进行复杂的算法流程实现目标归类，该归类方法可以在保证分类准确的基础上提高了模型的稳定性和高效性，提供了准确、稳定的归类方法。

主权项

1.基于主成分分析的逻辑斯蒂回归的目标归类方法，其具体归类步骤如下：(1)确定样本集，提取样本集中的目标颜色特征，确定目标在RGB和HSV颜色空间模型下R、G、B、H、S分量的颜色矩特征X_iJ(X＝R、G、B、S、H，J＝1，2，3)：式中，P_ij表示RGB图像中第i个颜色通道分量中灰度j的像素出现的概率，X_i1表示颜色的一阶矩，X_i2表示颜色的二阶矩，X_i3表示颜色的三阶矩，N表示图像中像素个数；(2)确定目标的纹理特征参数能量L₁、对比度L₂、相关性L₃、熵L₄：式中，P(i，j)表示RGB图像中第i个颜色通道分量中灰度j的像素出现的概率，lb为二进制对数，N为灰度级数；(3)确定特征参数的相关系数矩阵H：(4)确定输入特征向量X(x₁，x₂，...，x_n)：根据特征参数的相关系数矩阵，利用主成分分析法对提取的特征参数进行降维，得到逻辑斯蒂回归模型的输入特征向量X(x₁，x₂，...，x_n)；(5)将上一步骤得到的特征向量X(x₁，x₂，...，x_n)作为逻辑斯蒂回归模型的输入，建立逻辑斯蒂回归模型进行训练，实现不同训练样本的归类，原则如下：式中，ω₀，ω₁，...，ω_n分别为输入特征向量x₁，x₂，...，x_n的权重；(6)将测试集样本作为输入，送到模型中进行分类，得到分类结果，完成基于主成分分析的逻辑斯蒂回归的目标归类。