投影變換矩陣的獲取方法、樣本分類方法
【專利摘要】本發(fā)明提供了一種投影變換矩陣的獲取方法、樣本分類方法，投影變換矩陣的獲取方法中使用訓(xùn)練樣本的類別標(biāo)簽形成類別信息，并根據(jù)類別信息對(duì)訓(xùn)練樣本進(jìn)行分類得到同類樣本和異類樣本，并通過進(jìn)一步的計(jì)算得到投影變換矩陣。本方法中由于類別標(biāo)簽?zāi)軌驕?zhǔn)確的表示訓(xùn)練樣本的類別，類別信息與類別標(biāo)簽是一一對(duì)應(yīng)的，因此類別信息能夠準(zhǔn)確反應(yīng)訓(xùn)練樣本的類別，本方法中訓(xùn)練樣本的類別信息是確定的不是通過計(jì)算得到的，因此通過類別信息對(duì)訓(xùn)練樣本進(jìn)行分類，不會(huì)出現(xiàn)分類出錯(cuò)的情況，因此本方法能夠獲得正確地投影變換矩陣，并很好地實(shí)現(xiàn)拉近同類之間距離，擴(kuò)大異類之間距離的目的，進(jìn)而使分類性能變好。
【專利說明】投影變換矩陣的獲取方法、樣本分類方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及人工智能領(lǐng)域，尤其涉及一種投影變換矩陣的獲取方法、樣本分類方法。
【背景技術(shù)】
[0002]在人工智能逐步發(fā)展的今天，經(jīng)常需要計(jì)算機(jī)對(duì)待分類樣本進(jìn)行分類，即在訓(xùn)練
樣本及類別中確定待分類樣本的類別，例如:根據(jù)多個(gè)已知人臉及與已知人臉--對(duì)應(yīng)的
姓名，確定待分類人臉的姓名。
[0003]待分類樣本和訓(xùn)練樣本為真實(shí)世界物體的數(shù)據(jù)，一般采用矩陣的形式來表示，由于真實(shí)世界物體的緯度較高，針對(duì)高維數(shù)據(jù)進(jìn)行分類時(shí)經(jīng)常會(huì)出現(xiàn)維數(shù)災(zāi)難問題，所以一般將數(shù)據(jù)映射到低維空間，以便降低數(shù)據(jù)的處理難度，現(xiàn)有技術(shù)中通常采用投影變換矩陣對(duì)樣本數(shù)據(jù)進(jìn)行降緯處理。
[0004]為了能夠準(zhǔn)確的在訓(xùn)練樣本中識(shí)別待分類樣本的類別，我們希望訓(xùn)練樣本中同類樣本之間的距離更近，異類樣本之間的距離更遠(yuǎn)，為了達(dá)到這一目的，我們希望訓(xùn)練樣本進(jìn)行降維處理的同時(shí) 拉近同類樣本之間的距離，擴(kuò)大異類樣本之間的距離，因此投影變換矩陣肩負(fù)著對(duì)數(shù)據(jù)進(jìn)行降維處理、拉近同類樣本之間距離和擴(kuò)大異類樣本之間的距離的三重任務(wù)。
[0005]為了獲得投影變換矩陣，現(xiàn)有技術(shù)中通過如下實(shí)現(xiàn)方式實(shí)現(xiàn):
[0006]在訓(xùn)練樣本中隨機(jī)選取一個(gè)樣本A，計(jì)算樣本A與其余各個(gè)樣本的歐式距離，若樣本B與樣本A之間的歐式距離在預(yù)設(shè)范圍內(nèi)，則樣本B與樣本A為同類，若樣本C與樣本A之間的歐式距離超出預(yù)設(shè)范圍，則樣本C與樣本A為異類，通過此方法構(gòu)建樣本A的類內(nèi)集合和類間集合，類內(nèi)集合為與樣本A同類的樣本集合，類間集合為與樣本A異類的樣本集合，根據(jù)類內(nèi)集合和類間集合經(jīng)過進(jìn)一步的矩陣處理得到投影變換矩陣，得到投影變換矩陣能夠拉近類內(nèi)集合中樣本的距離，擴(kuò)大類間集合中樣本的距離。
[0007]但是，使用歐式距離判斷同類、異類的方式，容易出現(xiàn)分類錯(cuò)誤的情況，即可能出現(xiàn)樣本C與樣本A之間的歐式距離小于樣本B與樣本A之間的歐式距離的情況，導(dǎo)致類內(nèi)集合和類間集合的分類出現(xiàn)錯(cuò)誤，進(jìn)一步導(dǎo)致投影變換矩陣的失效，出現(xiàn)拉近異類之間的距離，擴(kuò)大同類之間的距離的情況。因此本方法得到的投影變換矩陣是不正確的，不能很好的實(shí)現(xiàn)拉近同類之間距離，擴(kuò)大異類之間距離的目的，進(jìn)而導(dǎo)致分類性能變差。

【發(fā)明內(nèi)容】

[0008]鑒于上述問題，本發(fā)明提供了一種投影變換矩陣的獲取方法，本方法能夠獲得正確地投影變換矩陣，能夠很好的實(shí)現(xiàn)拉近同類之間距離，擴(kuò)大異類之間距離的目的，使分類性能變好。
[0009]為了實(shí)現(xiàn)上述目的，本發(fā)明提供以下技術(shù)手段:
[0010]一種投影變換矩陣的獲取方法，包括:[0011]依據(jù)訓(xùn)練樣本集中各個(gè)訓(xùn)練樣本的類別標(biāo)簽，提取與所述類別標(biāo)簽一一對(duì)應(yīng)的類另1Ji目息;
[0012]依據(jù)所述類別信息確定各個(gè)訓(xùn)練樣本的同類樣本和異類樣本；
[0013]根據(jù)所述各個(gè)訓(xùn)練樣本的同類樣本和異類樣本構(gòu)建相似性矩陣；
[0014]利用所述相似性矩陣分別構(gòu)建類內(nèi)鄰接圖和類間鄰接圖；
[0015]根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行計(jì)算獲得投影變換矩陣。
[0016]優(yōu)選的，根據(jù)所述各個(gè)訓(xùn)練樣本的同類樣本和異類樣本構(gòu)建相似性矩陣包括:
[0017]依據(jù)各個(gè)訓(xùn)練樣本中同類樣本之間的實(shí)際距離形成同類樣本關(guān)系；
[0018]依據(jù)各個(gè)訓(xùn)練樣本中異類樣本之間的實(shí)際距離形成異類樣本關(guān)系；
[0019]依據(jù)所述同類樣本關(guān)系和所述異類樣本關(guān)系構(gòu)建相似性矩陣。
[0020]優(yōu)選的，所述利用所述相似性矩陣分別構(gòu)建類內(nèi)鄰接圖和類間鄰接圖包括:
[0021]依據(jù)所述相似性矩陣的同類樣本關(guān)系構(gòu)建所述類內(nèi)鄰接圖；
[0022]依據(jù)所述相似性矩陣的異類樣本關(guān)系構(gòu)建所述類間鄰接圖。
[0023]優(yōu)選的，根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行計(jì)算獲得投影變換矩陣包括:
[0024]根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行局部散度計(jì)算獲得投影變換矩陣，或
[0025]根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行總體散度計(jì)算獲得投影變換矩陣。
[0026]優(yōu)選的，根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行局部散度計(jì)算獲得投影變換矩陣包括:
[0027]獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的比值；
[0028]將所述鄰接圖比值最大化后獲得比值表達(dá)式；
[0029]對(duì)所述比值表達(dá)式進(jìn)行特征值分解獲取所述投影變換矩陣。
[0030]優(yōu)選的，根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行局部散度計(jì)算獲得投影變換矩陣包括:
[0031]獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的鄰接圖差值；
[0032]將所述鄰接圖差值最大化后獲得差值表達(dá)式；
[0033]對(duì)所述差值表達(dá)式進(jìn)行特征值分解獲取所述投影變換矩陣。
[0034]優(yōu)選的，根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行總體散度計(jì)算獲得投影變換矩陣包括:
[0035]獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的鄰接圖差值；
[0036]將所述鄰接圖差值最大化后獲得差值表達(dá)式；
[0037]獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的鄰接圖和值；
[0038]對(duì)所述鄰接圖和值進(jìn)行特征值分解獲得總體特征向量；
[0039]將所述差值表達(dá)式投影所述總體特征向量對(duì)應(yīng)的空間獲得總體表達(dá)式；
[0040]對(duì)所述總體表達(dá)式進(jìn)行特征值分解獲取所述投影變換矩陣。
[0041]優(yōu)選的，在依據(jù)預(yù)存儲(chǔ)的訓(xùn)練樣本集中各個(gè)訓(xùn)練樣本的類別標(biāo)簽提取類別信息之前還包括:
[0042]對(duì)所述預(yù)存儲(chǔ)的訓(xùn)練樣本進(jìn)行降維處理。
[0043]—種樣本分類方法,包括:[0044]將預(yù)存儲(chǔ)的訓(xùn)練樣本集中各個(gè)訓(xùn)練樣本利用投影變換矩陣降維至判別子空間；
[0045]將待分類樣本利用所述投影變換矩陣降維至所述判別子空間；
[0046]在所述判別子空間中利用最近鄰分類器對(duì)所述待分類樣本進(jìn)行分類。
[0047]優(yōu)選的，在將待分類樣本利用所述投影變換矩陣降維至所述判別子空間之前還包括:對(duì)所述待分類樣本進(jìn)行降維處理。
[0048]本發(fā)明提供了一種投影變換矩陣的獲取方法，該方法中使用訓(xùn)練樣本的類別標(biāo)簽形成類別信息，并根據(jù)類別信息對(duì)訓(xùn)練樣本進(jìn)行分類得到同類樣本和異類樣本，并通過進(jìn)一步的計(jì)算得到投影變換矩陣。本方法中由于類別標(biāo)簽?zāi)軌驕?zhǔn)確的表示訓(xùn)練樣本的類別，類別信息與類別標(biāo)簽是一一對(duì)應(yīng)的，因此類別信息能夠準(zhǔn)確反應(yīng)訓(xùn)練樣本的類別，本方法中訓(xùn)練樣本的類別信息是確定的不是通過計(jì)算得到的，因此通過類別信息對(duì)訓(xùn)練樣本進(jìn)行分類，不會(huì)出現(xiàn)分類出錯(cuò)的情況，因此本方法能夠獲得正確地投影變換矩陣，并很好地實(shí)現(xiàn)拉近同類之間距離，擴(kuò)大異類之間距離的目的，進(jìn)而使分類性能變好。
【專利附圖】

【附圖說明】
[0049]為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0050]圖1為本發(fā)明實(shí)施例公開的投影變換矩陣的獲取方法的流程圖；
[0051]圖2為本發(fā)明實(shí)施例公開的投影變換矩陣的獲取方法中生成相似性矩陣的流程圖；
[0052]圖3為本發(fā)明實(shí)施例公開的投影變換矩陣的獲取方法中生成投影變換矩陣的流程圖；
[0053]圖4為本發(fā)明實(shí)施例公開的又一投影變換矩陣的獲取方法中生成投影變換矩陣的流程圖；
[0054]圖5為本發(fā)明實(shí)施例公開的又一投影變換矩陣的獲取方法中生成投影變換矩陣的流程圖；
[0055]圖6為本發(fā)明實(shí)施例公開的本發(fā)明實(shí)施例公開的樣本分類方法的流程圖。
【具體實(shí)施方式】
[0056]下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0057]本發(fā)明提供了一種投影變換矩陣的獲取方法，如圖1所示，該方法包括以下步驟:
[0058]SlOl:依據(jù)訓(xùn)練樣本集中各個(gè)訓(xùn)練樣本的類別標(biāo)簽，提取與所述類別標(biāo)簽一一對(duì)應(yīng)的類別信息；
[0059]訓(xùn)練樣本集中包括多個(gè)訓(xùn)練樣本，各個(gè)訓(xùn)練樣本都有其對(duì)應(yīng)的類別標(biāo)簽，提取類別標(biāo)簽將其轉(zhuǎn)為與類別標(biāo)簽一一對(duì)應(yīng)的類別信息，根據(jù)類別信息能夠準(zhǔn)確的判斷各個(gè)訓(xùn)練樣本所屬類別。
[0060]S102:依據(jù)所述類別信息確定各個(gè)訓(xùn)練樣本的同類樣本和異類樣本；
[0061]以某一訓(xùn)練樣本為例，與該訓(xùn)練樣本的類別信息一致的樣本為同類樣本，與該訓(xùn)練樣本的類別信息不一致的樣本為異類樣本，按照該方法確定各個(gè)訓(xùn)練樣本的同類樣本和異類樣本。
[0062]S103:根據(jù)所述各個(gè)訓(xùn)練樣本的同類樣本和異類樣本構(gòu)建相似性矩陣；
[0063]根據(jù)同類樣本之間的關(guān)系構(gòu)建同類樣本關(guān)系矩陣，根據(jù)異類樣本之間的關(guān)系構(gòu)建異類樣本之間的關(guān)系矩陣，同類樣本關(guān)系矩陣和異類樣本關(guān)系矩陣被賦予不同的權(quán)值，通過不同的權(quán)值來區(qū)分重視程度，同類樣本矩陣和異類樣本矩陣組成相似性矩陣。
[0064]S104:利用所述相似性矩陣分別構(gòu)建類內(nèi)鄰接圖和類間鄰接圖；
[0065]類內(nèi)鄰接圖和類間鄰接圖都是矩陣，類內(nèi)鄰接圖為由同類樣本關(guān)系矩陣轉(zhuǎn)換得至IJ，類間鄰接圖為由異類樣本關(guān)系矩陣轉(zhuǎn)換得到。
[0066]S105:根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行計(jì)算獲得投影變換矩陣。
[0067]本發(fā)明提供了一種投影變換矩陣的獲取方法，該方法中使用訓(xùn)練樣本的類別標(biāo)簽形成類別信息，并根據(jù)類別信息對(duì)訓(xùn)練樣本進(jìn)行分類得到同類樣本和異類樣本，并通過進(jìn)一步的計(jì)算得到投影變換矩陣。本方法中由于類別標(biāo)簽?zāi)軌驕?zhǔn)確的表示訓(xùn)練樣本的類別，類別信息與類別標(biāo)簽是一一對(duì)應(yīng)的，因此類別信息能夠準(zhǔn)確反應(yīng)訓(xùn)練樣本的類別，本方法中訓(xùn)練樣本的類別信息是確定的不是通過計(jì)算得到的，因此通過類別信息對(duì)訓(xùn)練樣本進(jìn)行分類，不會(huì)出現(xiàn)分類出錯(cuò)的情況，因此本方法能夠獲得正確地投影變換矩陣，并很好地實(shí)現(xiàn)拉近同類之間距離，擴(kuò)大異類之間距離的目的，進(jìn)而使分類性能變好。
[0068]優(yōu)選的，本發(fā)明提供了上述實(shí)施例中步驟S103的具體實(shí)現(xiàn)過程，如圖2所示，根據(jù)所述各個(gè)訓(xùn)練樣本的同類樣本和異類樣本構(gòu)建相似性矩陣具體包括以下步驟:
[0069]步驟S201:依據(jù)各個(gè)訓(xùn)練樣本中同類樣本之間的實(shí)際距離形成同類樣本關(guān)系；從各個(gè)訓(xùn)練樣本的同類樣本中找出互為近鄰的樣本，進(jìn)而可以確定互為近鄰的同類樣本之間的實(shí)際距離；
[0070]步驟S202:依據(jù)各個(gè)訓(xùn)練樣本中異類樣本之間的實(shí)際距離形成異類樣本關(guān)系；從各個(gè)訓(xùn)練樣本的異類樣本中找出互為近鄰的樣本，進(jìn)而可以確定互為近鄰的異類樣本之間的實(shí)際距離。
[0071]步驟S203:依據(jù)所述同類樣本關(guān)系和所述異類樣本關(guān)系構(gòu)建相似性矩陣。
[0072]優(yōu)選的，本發(fā)明提供了上述實(shí)施例中步驟S104的具體實(shí)現(xiàn)過程，利用所述相似性矩陣分別構(gòu)建類內(nèi)鄰接圖和類間鄰接圖包括以下步驟:
[0073]依據(jù)所述相似性矩陣的同類樣本關(guān)系構(gòu)建所述類內(nèi)鄰接圖，依據(jù)所述相似性矩陣的異類樣本關(guān)系構(gòu)建所述類間鄰接圖。
[0074]相似性矩陣是根據(jù)同類樣本中互為近鄰的同類樣本之間的實(shí)際距離以及根據(jù)所述異類樣本中互為近鄰的異類樣本之間的實(shí)際距離來構(gòu)造的，因此，能夠區(qū)分出訓(xùn)練樣本與其近鄰樣本之間的實(shí)際距離，使得所構(gòu)造的類內(nèi)鄰接圖和類間鄰接圖能夠真實(shí)反映出訓(xùn)練樣本集的局部結(jié)構(gòu)，提高了對(duì)待測(cè)試樣本的分類性能。
[0075]優(yōu)選的，本發(fā)明上述實(shí)施例中步驟S105的具體實(shí)現(xiàn)過程可以有兩種實(shí)現(xiàn)方式，第一種實(shí)現(xiàn)方式S1:根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行局部散度計(jì)算獲得投影變換矩陣，第二種實(shí)現(xiàn)方式S2:根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行總體散度計(jì)算獲得投影變換矩陣。
[0076]采用局部散度計(jì)算得到投影變換矩陣時(shí)，由于局部散度中判別信息不完整，不能很好的利用判別信息構(gòu)建投影變換矩陣，因此為了充分利用判別信息采用總體散度的方式構(gòu)建投影變換矩陣，總體散度為局部散度與非局部散度的總和。
[0077]第一種實(shí)現(xiàn)方式S1:即采用局部散度計(jì)算投影變換矩陣，在具體實(shí)現(xiàn)過程可以也可以包括兩種實(shí)現(xiàn)方式，第一種Sll:采用比值的方式實(shí)現(xiàn)，第二種:S12:采用差值的方式實(shí)現(xiàn)。下面對(duì)Sll和S12進(jìn)行進(jìn)一步的說明；如圖3所示Sll具體包括以下步驟:
[0078]步驟S301:獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的比值；
[0079]步驟S302:將所述鄰接圖比值最大化后獲得比值表達(dá)式；
[0080]步驟S303:對(duì)所述比值表達(dá)式進(jìn)行特征值分解獲取所述投影變換矩陣。
[0081]為了得到投影變換矩陣，需要對(duì)比值表達(dá)式進(jìn)行特征分解，獲得特征值及其對(duì)應(yīng)的特征矢量，把特征值按照從大到小的順序排列，取前r個(gè)最大特征值對(duì)應(yīng)的特征向量，則投影變換矩陣。
[0082]如圖4所示，S12具體包括以下步驟:
[0083]步驟S401:獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的鄰接圖差值；
[0084]步驟S402:將所述鄰接圖差值最大化后獲得差值表達(dá)式；
[0085]步驟S403:對(duì)所述差值表達(dá)式進(jìn)行特征值分解獲取所述投影變換矩陣。
[0086]為了得到投影變換矩陣，需要對(duì)差值表達(dá)式進(jìn)行特征分解，獲得特征值及其對(duì)應(yīng)的特征矢量，把特征值按照從大到小的順序排列，取前r個(gè)最大特征值對(duì)應(yīng)的特征向量，則投影變換矩陣。
[0087]第二種實(shí)現(xiàn)方式S2:即采用總體散度計(jì)算投影變換矩陣，如圖5所示，其具體實(shí)現(xiàn)過程包括:
[0088]步驟S501:獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的鄰接圖差值；
[0089]步驟S502:將所述鄰接圖差值最大化后獲得差值表達(dá)式；
[0090]步驟S503:獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的鄰接圖和值；
[0091]步驟S504:對(duì)所述鄰接圖和值進(jìn)行特征值分解獲得總體特征向量；
[0092]為了更充分的提取判別信息，對(duì)鄰接圖和值進(jìn)行特征值分解，提取特征值不為零時(shí)對(duì)應(yīng)的特征向量。獲得非零特征值及其對(duì)應(yīng)的特征向量，設(shè)特征值不為零的特征向量為總體特征向量。
[0093]步驟S505:將所述差值表達(dá)式投影所述總體特征向量對(duì)應(yīng)的空間獲得總體表達(dá)式；
[0094]步驟S506:對(duì)所述總體表達(dá)式進(jìn)行特征值分解獲取所述投影變換矩陣。
[0095]優(yōu)選的，在步驟SlOl之前本發(fā)明還包括:對(duì)所述預(yù)存儲(chǔ)的訓(xùn)練樣本進(jìn)行降維處理。
[0096]現(xiàn)實(shí)世界中物體對(duì)應(yīng)的數(shù)據(jù)緯度很高，為了降低運(yùn)算量先對(duì)原始訓(xùn)練樣本進(jìn)行降維處理，降維處理之后的訓(xùn)練樣本緯度較低能夠更好的進(jìn)行計(jì)算。
[0097]為了清楚表達(dá)本發(fā)明的實(shí)現(xiàn)過程，下面我們采用具體實(shí)施例進(jìn)行詳細(xì)表述:
[0098]( I)確定訓(xùn)練樣本與類別信息[0099]將訓(xùn)練樣本集定義為{X,.,VyjfI15Xi e Rd,y{ = {l,2,...,c}。
[0100]其中，yi是\的類別標(biāo)簽即類別信息，c表示類別信息的數(shù)量，N表示訓(xùn)練樣本的總個(gè)數(shù)，D表示訓(xùn)練樣本集中的訓(xùn)練樣本的維數(shù)；
[0101](2)一次降維處理
[0102]為了降低運(yùn)算的復(fù)雜度，提高運(yùn)算速度；首先，對(duì)上述訓(xùn)練樣本集進(jìn)行隨機(jī)降維，將訓(xùn)練樣本由D維降到d維，在降維過程中，訓(xùn)練樣本的類別信息保持不變，其中，d〈D ；
[0103]降維后的訓(xùn)練樣本定義為:= {1,2,...，(:}；
[0104]其中，d為降維后的訓(xùn)練樣本的維數(shù)，i為降維后的訓(xùn)練樣本。
[0105](3)構(gòu)造相似性矩陣G，
【權(quán)利要求】
1.一種投影變換矩陣的獲取方法，其特征在于，包括: 依據(jù)訓(xùn)練樣本集中各個(gè)訓(xùn)練樣本的類別標(biāo)簽，提取與所述類別標(biāo)簽一一對(duì)應(yīng)的類別信息； 依據(jù)所述類別信息確定各個(gè)訓(xùn)練樣本的同類樣本和異類樣本； 根據(jù)所述各個(gè)訓(xùn)練樣本的同類樣本和異類樣本構(gòu)建相似性矩陣； 利用所述相似性矩陣分別構(gòu)建類內(nèi)鄰接圖和類間鄰接圖； 根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行計(jì)算獲得投影變換矩陣。
2.如權(quán)利要求1所述的方法，其特征在于，根據(jù)所述各個(gè)訓(xùn)練樣本的同類樣本和異類樣本構(gòu)建相似性矩陣包括: 依據(jù)各個(gè)訓(xùn)練樣本中同類樣本之間的實(shí)際距離形成同類樣本關(guān)系； 依據(jù)各個(gè)訓(xùn)練樣本中異類樣本之間的實(shí)際距離形成異類樣本關(guān)系； 依據(jù)所述同類樣本關(guān)系和所述異類樣本關(guān)系構(gòu)建相似性矩陣。
3.如權(quán)利要求2所述的方法，其特征在于，所述利用所述相似性矩陣分別構(gòu)建類內(nèi)鄰接圖和類間鄰接圖包括: 依據(jù)所述相似性矩陣的同類樣本關(guān)系構(gòu)建所述類內(nèi)鄰接圖； 依據(jù)所述相似性矩陣的異類`樣本關(guān)系構(gòu)建所述類間鄰接圖。
4.如權(quán)利要求1所述的方法，其特征在于，根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行計(jì)算獲得投影變換矩陣包括: 根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行局部散度計(jì)算獲得投影變換矩陣，或 根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行總體散度計(jì)算獲得投影變換矩陣。
5.如權(quán)利要求4所述的方法，其特征在于，根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行局部散度計(jì)算獲得投影變換矩陣包括: 獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的比值； 將所述鄰接圖比值最大化后獲得比值表達(dá)式； 對(duì)所述比值表達(dá)式進(jìn)行特征值分解獲取所述投影變換矩陣。
6.如權(quán)利要求4所述的方法，其特征在于，根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行局部散度計(jì)算獲得投影變換矩陣包括: 獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的鄰接圖差值； 將所述鄰接圖差值最大化后獲得差值表達(dá)式； 對(duì)所述差值表達(dá)式進(jìn)行特征值分解獲取所述投影變換矩陣。
7.如權(quán)利要求4所述的方法，其特征在于，根據(jù)所述類內(nèi)鄰接圖和所述類間鄰接圖進(jìn)行總體散度計(jì)算獲得投影變換矩陣包括: 獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的鄰接圖差值； 將所述鄰接圖差值最大化后獲得差值表達(dá)式； 獲取所述類間鄰接圖與所述類內(nèi)鄰接圖的鄰接圖和值； 對(duì)所述鄰接圖和值進(jìn)行特征值分解獲得總體特征向量； 將所述差值表達(dá)式投影所述總體特征向量對(duì)應(yīng)的空間獲得總體表達(dá)式； 對(duì)所述總體表達(dá)式進(jìn)行特征值分解獲取所述投影變換矩陣。
8.如權(quán)利要求1-7中任一項(xiàng)所述的方法，其特征在于，在依據(jù)預(yù)存儲(chǔ)的訓(xùn)練樣本集中各個(gè)訓(xùn)練樣本的類別標(biāo)簽提取類別信息之前還包括: 對(duì)所述預(yù)存儲(chǔ)的訓(xùn)練樣本進(jìn)行降維處理。
9.一種樣本分類方法,應(yīng)用于如權(quán)利要求1所述的獲取方法，其特征在于，包括: 將預(yù)存儲(chǔ)的訓(xùn)練樣本集中各個(gè)訓(xùn)練樣本利用投影變換矩陣降維至判別子空間； 將待分類樣本利用所述投影變換矩陣降維至所述判別子空間； 在所述判別子空間中利用最近鄰分類器對(duì)所述待分類樣本進(jìn)行分類。
10.如權(quán)利要求9所述的方法，其特征在于，在將待分類樣本利用所述投影變換矩陣降維至所述判別子空間之前還包括: 對(duì)所述待分類 樣本進(jìn)行降維處理。
【文檔編號(hào)】G06K9/66GK103870848SQ201410128704
【公開日】2014年6月18日 申請(qǐng)日期:2014年4月1日 優(yōu)先權(quán)日:2014年4月1日
【發(fā)明者】張莉, 丁春濤, 王邦軍, 周偉達(dá), 李凡長(zhǎng), 楊季文 申請(qǐng)人:蘇州大學(xué)