发明名称 | 基于多核鉴别线性表示的分类方法 | ||
摘要 | 本发明公开了一种基于多核鉴别线性表示的分类方法,利用训练样本集识别测试样本所属类别。在训练阶段,首先定义多核组合后的训练样本集,然后计算多核组合系数,最后根据多个核映射函数和多核组合系数获得多核组合后的核映射函数和新的训练样本集,在该集合中,每个类别的训练样本构成新的子训练样本集。在分类识别阶段,首先根据多核组合后的核映射函数获得新的测试样本,然后计算新的测试样本在各个新的子训练样本集内的重构误差,将测试样本归为重构误差最小的新的子训练样本集所对应的那一类。本发明的识别效果相较于现有技术有明显提高。 | ||
申请公布号 | CN105740885A | 申请公布日期 | 2016.07.06 |
申请号 | CN201610049510.7 | 申请日期 | 2016.01.25 |
申请人 | 南京信息工程大学 | 发明人 | 刘茜 |
分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
代理机构 | 江苏爱信律师事务所 32241 | 代理人 | 唐小红 |
主权项 | 一种基于多核鉴别线性表示的分类方法,包括以下步骤:在训练阶段:步骤X1,获得训练样本集,定义多核组合后的训练样本集;步骤X2,定义目标函数,对目标函数求解,得到多核组合系数和多核组合后每个训练样本的线性表示系数;步骤X3,根据多个核映射函数和多核组合系数获得多核组合后的核映射函数和新的训练样本集,在该集合中,每个类别的训练样本构成新的子训练样本集。在分类识别阶段:步骤S1,获得测试样本,根据多核组合后的核映射函数获得新的测试样本;步骤S2,计算新的测试样本在各个新的子训练样本集内的重构误差,将测试样本归为重构误差最小的新的子训练样本集所对应的那一类。 | ||
地址 | 210000 江苏省南京市建邺区奥体大街69号 |