发明名称 |
数据降维方法及基于数据降维方法的人脸识别方法 |
摘要 |
数据降维方法及基于数据降维方法的人脸识别方法。本发明提供了一种数据降维方法,包括:S1.对于D维空间R<sup>D</sup>中的数据点集X={x<sub>1</sub>,x<sub>2</sub>,…,x<sub>N</sub>},确定每个样本点x<sub>i</sub>的K个近邻点x<sub>i1</sub>,x<sub>i2</sub>,…,x<sub>iK</sub>;S2.根据每个样本点x<sub>i</sub>的K个近邻点x<sub>i1</sub>,x<sub>i2</sub>,…,x<sub>iK</sub>计算所述每个样本点x<sub>i</sub>的局部重建权值矩阵W<sub>i</sub>={w<sub>i1</sub>,w<sub>i2</sub>,…,w<sub>iK</sub>};S3.根据所述每个样本点x<sub>i</sub>的局部重建权值矩阵W<sub>i</sub>={w<sub>i1</sub>,w<sub>i2</sub>,…,w<sub>iK</sub>},将每个样本点映射到低维空间,映射条件为:<img file="DDA0000545584610000011.GIF" wi="640" he="160" />ε(Y)为损失函数值,y<sub>i</sub>是x<sub>i</sub>的输出向量,y<sub>i1</sub>,y<sub>i2</sub>,…,y<sub>iK</sub>是y<sub>i</sub>的K个近邻点,得到D维空间R<sup>D</sup>中的数据点集X={x<sub>1</sub>,x<sub>2</sub>,…,x<sub>N</sub>}对应的d维空间R<sup>d</sup>中的数据点集Y={y<sub>1</sub>,y<sub>2</sub>,…,y<sub>N</sub>},d<D。 |
申请公布号 |
CN105320920A |
申请公布日期 |
2016.02.10 |
申请号 |
CN201410366376.4 |
申请日期 |
2014.07.29 |
申请人 |
国网山西省电力公司信息通信分公司 |
发明人 |
马军伟;阎立;郝晓伟;赵敏;罗红波;哈兰 |
分类号 |
G06K9/00(2006.01)I |
主分类号 |
G06K9/00(2006.01)I |
代理机构 |
北京路浩知识产权代理有限公司 11002 |
代理人 |
李相雨 |
主权项 |
一种数据降维方法,其特征在于,包括:S1.对于D维空间R<sup>D</sup>中的数据点集X={x<sub>1</sub>,x<sub>2</sub>,…,x<sub>N</sub>},确定每个样本点x<sub>i</sub>的K个近邻点x<sub>i1</sub>,x<sub>i2</sub>,…,x<sub>iK</sub>;S2.根据每个样本点x<sub>i</sub>的K个近邻点x<sub>i1</sub>,x<sub>i2</sub>,…,x<sub>iK</sub>计算所述每个样本点x<sub>i</sub>的局部重建权值矩阵W<sub>i</sub>={w<sub>i1</sub>,w<sub>i2</sub>,…,w<sub>iK</sub>};S3.根据所述每个样本点x<sub>i</sub>的局部重建权值矩阵W<sub>i</sub>={w<sub>i1</sub>,w<sub>i2</sub>,…,w<sub>iK</sub>},将每个样本点映射到低维空间,映射条件为:<img file="FDA0000545584580000011.GIF" wi="652" he="173" />ε(Y)为损失函数值,y<sub>i</sub>是x<sub>i</sub>的输出向量,y<sub>i1</sub>,y<sub>i2</sub>,…,y<sub>iK</sub>是y<sub>i</sub>的K个近邻点,得到D维空间R<sup>D</sup>中的数据点集X={x<sub>1</sub>,x<sub>2</sub>,…,x<sub>N</sub>}对应的d维空间R<sup>d</sup>中的数据点集Y={y<sub>1</sub>,y<sub>2</sub>,…,y<sub>N</sub>},d<D。 |
地址 |
030001 山西省太原市杏花岭区府东街169号山西省电力公司 |