一种用于鉴别具有统计不相关性的局部保持投影方法

摘要

本发明涉及一种用于鉴别具有统计不相关性的局部保持投影方法，包括：加权邻接图构造模块、训练样本的矩阵构造模块、投影矩阵获得模块和数据分类模块。本发明在构造加权邻接图时，引入了训练数据的类别信息，可以更准确地刻画数据间的关系，而且本发明可以提取出满足统计不相关性的特征，从而提取的特征能够在保留原始数据空间的局部信息的同时，具有最小的冗余，应用到识别问题中，可以提高识别性能。本发明可应用于视频监控系统、视频会议系统、军事目标跟踪识别系统等各类民用及军用系统中，具有广阔的市场前景和应用价值。

主权项

1.一种用于鉴别具有统计不相关性的局部保持投影方法，其特征在于，包括下列模块：(1)加权邻接图构造模块：将每个训练样本作为一个顶点，建立一个加权邻接图，根据类别信息获得任意两个顶点间的相似性权值，并将相似性权值传输给训练样本的矩阵构造模块；所述的加权邻接图构造模块，其根据类别信息获得任意两个顶点间的相似性权值，是指设每个训练样本代表一个顶点x_i，建立任意两个顶点之间的相似性权值，这些相似性权值可以表示成：(2)训练样本的矩阵构造模块：接收相似性权值并根据最近邻原则，使得每个顶点都只与与其相似性权值最小的顶点连接，建立训练样本的相似矩阵，再由训练样本的相似矩阵建立训练样本的度矩阵、图的拉普拉斯矩阵，并将上述矩阵传输给投影矩阵获得模块；(3)投影矩阵获得模块：接收度矩阵和图的拉普拉斯矩阵，再根据局部保持投影方法，加入统计不相关性的约束条件，通过迭代过程，解特征值问题，每次迭代选取最小的特征值对应的特征向量，最后将这些特征向量作为基向量，构成面向鉴别的具有统计不相关性的局部保持投影矩阵，并将投影矩阵传输给数据分类模块；(4)数据分类模块：接收投影矩阵、输入的训练数据和测试数据，并将训练数据和测试数据投影到投影矩阵中，获得训练系数矩阵和测试系数矩阵，采用最小距离分类器，识别出测试数据所属的类别。