发明名称 | 一种基于局部近邻稀疏表示的目标识别方法 | ||
摘要 | 本发明为一种基于局部近邻稀疏表示的目标识别方法,其输入样本模块从数据库中输出并且由本单位化模块c类训练样本集和测试样本集进行单位化,获得单位化后的训练样本集A和测试样本集Y;局部近邻计算模块对于单位化后的测试样本集Y中的每个测试样本y,分别计算测试样本y在训练集A每个类别中的局部近邻;线性重构权值向量计算模块用每个类别的局部近邻线性重构测试样本y,并得到每个类别的线性重构权值向量,同时线性重构权值向量需要满足范数约束条件;局部近邻稀疏表示残差计算模块根据每个类别的线性重构权值向量,计算测试样本y在每个类别的局部近邻稀疏表示残差;分类模块根据每个类别的局部近邻稀疏表示残差,对测试样本y进行分类。 | ||
申请公布号 | CN101826161A | 申请公布日期 | 2010.09.08 |
申请号 | CN201010143009.X | 申请日期 | 2010.04.09 |
申请人 | 中国科学院自动化研究所 | 发明人 | 王春恒;惠康华;肖柏华 |
分类号 | G06K9/66(2006.01)I | 主分类号 | G06K9/66(2006.01)I |
代理机构 | 中科专利商标代理有限责任公司 11021 | 代理人 | 梁爱荣 |
主权项 | 一种基于局部近邻稀疏表示的目标识别方法,其特征在于,利用基于局部近邻稀疏表示的目标识别系统,实现该方法的步骤如下:步骤1:输入样本模块从数据库中接收并输出c类训练样本集和测试样本集;步骤2:样本单位化模块对c类训练样本集和测试样本集进行单位化,获得单位化后的训练样本集A和测试样本集Y;步骤3:局部近邻计算模块对于单位化后的测试样本集Y中的每个测试样本y,分别计算测试样本y在训练集A每个类别中的局部近邻;步骤4:线性重构权值向量计算模块用每个类别的局部近邻线性重构测试样本y,并得到每个类别的线性重构权值向量,同时线性重构权值向量需要满足范数约束条件;步骤5:局部近邻稀疏表示残差计算模块根据每个类别的线性重构权值向量,计算测试样本y在每个类别的局部近邻稀疏表示残差;步骤6:分类模块根据每个类别的局部近邻稀疏表示残差,对测试样本y进行分类。 | ||
地址 | 100080 北京市海淀区中关村东路95号 |