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^D中的数据点集X＝{x₁,x₂,…,x_N}，确定每个样本点x_i的K个近邻点x_i1,x_i2,…,x_iK；S2.根据每个样本点x_i的K个近邻点x_i1,x_i2,…,x_iK计算所述每个样本点x_i的局部重建权值矩阵W_i＝{w_i1,w_i2,…,w_iK}；S3.根据所述每个样本点x_i的局部重建权值矩阵W_i＝{w_i1,w_i2,…,w_iK}，将每个样本点映射到低维空间，映射条件为：ε(Y)为损失函数值，y_i是x_i的输出向量，y_i1,y_i2,…,y_iK是y_i的K个近邻点，得到D维空间R^D中的数据点集X＝{x₁,x₂,…,x_N}对应的d维空间R^d中的数据点集Y＝{y₁,y₂,…,y_N}，d<D。

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^D中的数据点集X＝{x₁,x₂,…,x_N}，确定每个样本点x_i的K个近邻点x_i1,x_i2,…,x_iK；S2.根据每个样本点x_i的K个近邻点x_i1,x_i2,…,x_iK计算所述每个样本点x_i的局部重建权值矩阵W_i＝{w_i1,w_i2,…,w_iK}；S3.根据所述每个样本点x_i的局部重建权值矩阵W_i＝{w_i1,w_i2,…,w_iK}，将每个样本点映射到低维空间，映射条件为：ε(Y)为损失函数值，y_i是x_i的输出向量，y_i1,y_i2,…,y_iK是y_i的K个近邻点，得到D维空间R^D中的数据点集X＝{x₁,x₂,…,x_N}对应的d维空间R^d中的数据点集Y＝{y₁,y₂,…,y_N}，d<D。