[发明专利]一种基于稀疏分解l0图的局部全局一致性分类方法

权利要求书

1.一种基于稀疏分解l₀图的局部全局一致性分类方法，其特征在于步骤如下：

步骤1稀疏分解l₀图的构造：

步骤a：使用KMEANS聚类算法将整个待分类数据X划分为k个子集，k为类别数；

步骤b：定义一个n×n的邻接矩阵W，其元素初始化为0，n为待分类数据总数；

步骤c：以第i个待分类数据x_i为待分解信号，稀疏分解字典D_i由x_i所属聚类子集构成，x_i不包括在D_i中，1≤i≤n，n为待分类数据总数；

步骤d：预设最大迭代次数为T，迭代终止误差为ε_stop，当前迭代次数t初始化为0，对待分解信号x_i，基于字典D_i利用

|<xi,ds>|=supj∈Γ|<xi,dj>|]]>

选出最能逼近x_i的原子d_s，稀疏系数向量α对应的值满足α_s＝<x_i，d_s>，s∈Γ，Γ为字典D_i中原子的下标集合；

步骤e：利用

r^t＝x_i-<x_i，d_s>d_s

计算第t次迭代后的信号残差r^t，1≤t≤T，1≤i≤n，n为待分类数据总数，s∈Γ，Γ为字典D_i中原子的下标集合；

步骤f：若r^t＞ε_stop且t＜T，更新

x_i＝r^t，t＝t+1

返回步骤d执行，否则执行步骤g，其中1≤i≤n，n为待分类数据总数，t为当前迭代次数；

步骤g：根据稀疏系数向量α确定邻接矩阵W。其中若顶点i和j间的系数则数据x_i和x_j相似，权重若i≤n，返回步骤c执行，否则执行步骤h，其中1≤i≤n，1≤j≤n，n为待分类数据总数；

步骤h：利用W＝W+W′将非对称的邻接矩阵W转化对称矩阵，W′为邻接矩阵W的转置矩阵，转置矩阵为稀疏分解l₀图；

步骤2：利用S＝D^-1/2WD^-1/2将邻接矩阵W对称地归一化，其中1≤i≤n，n为待分类数据总数；

步骤3：定义一个n×k的矩阵Y存储所有待分类数据的初始标记信息，若有标记数据x_i属于第j类，那么Y_ij＝1，否则Y_ij＝0，对所有的未标记数据，令Y_ij＝0，其中1≤i≤n，1≤j≤k，n为待分类数据总数，k为类别数；

步骤4：定义一个n×k的矩阵F(t)存储第t次迭代所有待分类数据属于每类的概率，初始化F(0)＝Y，利用

F(t+1)＝ηSF(t)+(1-η)Y

让每个样本的标记信息迭代地向其近邻样本点传播，直到收敛；t为迭代次数，η指大量的信息是来自于其近邻还是初始标记样本信息，0≤η≤1，n为待分类数据总数，k为类别数；

步骤5：记序列{F(t)}为步骤4迭代t次的结果，极限定义为F^*，则利用

yi=argmaxj≤kFij*]]>

求出数据x_i的类标，其中，是第i个样本属于第j类的概率，1≤i≤n，n为待分类数据总数，k为总类别数。