发明名称 面向鉴别的整体和局部特征融合识别系统
摘要 一种模式识别技术领域中的面向鉴别的整体和局部特征融合识别系统,本发明中,加权邻接图构造模块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;训练样本的矩阵构建模块接收相似性权值并根据最近邻原则,建立训练样本的相似矩阵、度矩阵、图的拉普拉斯矩阵、类内散布矩阵和类间散布矩阵;最佳调节因子选择模块选取使得训练样本的识别率达到最高时的调节因子值作为调节因子的最佳取值;投影矩阵获得模块选取所有特征值中前几个最小的特征值对应的特征向量作为基向量,构成投影矩阵;数据分类模块采用最小距离分类器,识别出测试数据所属的类别。本发明利用数据间的类别信息,更准确地刻画数据间关系,取得更高的识别性能。
申请公布号 CN101441716A 申请公布日期 2009.05.27
申请号 CN200810203453.9 申请日期 2008.11.27
申请人 上海交通大学 发明人 赵海涛;杨慧军;金 博;敬忠良
分类号 G06K9/46(2006.01)I;G06K9/62(2006.01)I 主分类号 G06K9/46(2006.01)I
代理机构 上海交达专利事务所 代理人 王锡麟;王桂忠
主权项 1、一种面向鉴别的整体和局部特征融合识别系统,其特征在于,包括:加权邻接图构造模块、训练样本的矩阵构建模块、最佳调节因子选择模块、投影矩阵获得模块、数据分类模块,其中: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建模块;训练样本的矩阵构建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若干个顶点连接,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、类内散布矩阵和类间散布矩阵,并将上述矩阵传输给投影矩阵获得模块;最佳调节因子选择模块选取使得训练样本的识别率达到最高时的调节因子值作为调节因子的最佳取值,并将最佳取值传输给投影矩阵获得模块;投影矩阵获得模块接收图的拉普拉斯矩阵、类内散布矩阵和类间散布矩阵以及最佳调节因子,再根据面向鉴别的整体和局部特征融合识别的方法解广义特征值问题,选取所有特征值中前几个最小的特征值对应的特征向量作为基向量,构成投影矩阵,并将投影矩阵传输给数据分类模块;数据分类模块接收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到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。
地址 200240上海市闵行区东川路800号