[发明专利]一种目标库属性判别邻域保持学习子空间特征提取方法

摘要

本文公开了一种目标库属性判别邻域保持学习子空间特征提取方法。该方法首先利用稀疏分析获得库属目标的每个训练样本的邻域样本稀疏系数，然后在低维空间以该系数对每一样本的邻域重构样本进行加权，建立邻域保持学习子空间提取库属目标的判别特征，由于在特征空间保持了邻域分布结构，增大库属目标特征分布区域的聚集度，从而提高了对库属目标和非库属目标的判别性能。对4类目标的仿真实验验证了方法的有效性。

主权项

1.一种目标库属性判别邻域保持学习子空间特征提取方法，其特征在于，包括以下步骤：S1、令n维列矢量x_ij为第i^th类库属目标的第j^th个训练一维距离像,1≤i≤g，1≤j≤N_i，其中N_i为第i^th类库属目标的训练样本数，N为训练样本总数；S2、针对训练样本x_ij，按类的顺序构建稀疏学习字典B_ij：利用字典B_ij，对样本x_ij进行稀疏分析：其中||·||₁表示1‑范数，是稀疏系数；由稀疏系数构造加权系数w_ij,rk其中是中的元素；S3、定义变换矩阵为A，其维数为n×m维，m＜n，库属目标的训练样本x_ij向矩阵投影y_ij＝A^Tx_ij               (4)其中y_ij为投影矢量；计算所有库属目标训练样本的邻域加权重构误差其中I为单位矩阵；将式(4)代入式(5)可得其中通过条件极值优化方法，将式(7)中最小化问题转换为如下的本征方程XEX^Ta_m+1‑l＝λ_lXX^Ta_m+1‑l            (9)E＝(I‑W)^T(I‑W)               (10)其中λ_l为第l最大的本值，1≤l≤m，a_m+1‑l为λ_l对应的本征向量；由a_m+1‑l作为变换矩阵A的第m+1‑l列，则矩阵A称为邻域保持学习子空间；S4、获得A后，对于任意一维距离像样本，利用式(4)即可获得对应的特征矢量。