[发明专利]融合稀疏保持映射和多类别属性Bagging的人脸识别方法

权利要求书

1.一种融合稀疏保持映射和属性Bagging的人脸识别方法，其特征在于，其具体步骤如下：

步骤一、确定原始属性集：

用角度作为原始属性集中的元素，确定原始属性集

步骤二、确定迭代次数T以及重抽样属性个数N，T取10~50，N取10~25；

步骤三、利用稀疏保持映射进行特征提取同时训练基分类器：

首先对原始图像按抽取的角度依次进行Radon变换，将结果顺次连接成为一维信号；其次利用稀疏保持映射方法对一维信号进行降维处理；最后训练基分类器：

用最近邻分类算法对低维空间中的图像信号进行分类，计算基分类器h_t对应的权值：

at=12ln|1+rt1-rt|]]>

其中，m为基分类器中训练样本的个数，对于其中第i个样本x_i，若该样本在基分类器h_t下分类正确，则令f(x_i)=1,若分类不正确则令f(x_i)=-1；

对T个权值进行归一化处理：

at′=at/Σi=1Tai]]>

其中，a′_t为归一化后所对应基分类器的权值，t为迭代次数，取值为1…T；

步骤四、集成分类器进行分类识别

将所有的基分类器组成最终的综合分类器，对测试样本，用综合分类器进行分类，其最终分类结果如下：

H(x)=argmay∈YΣt:h(x)=ya′t||ht(x)=y||]]>

其中，Y为类别集合，y∈Y；t为迭代次数，取值为1…T；当基分类器h_t的分类结果与y相同时，||h_t(x)=y||=1；当基分类器h_t的分类结果与y不同时，||h_t(x)=y||=0。

2.在权利要求1所述的融合稀疏保持映射和属性Bagging的人脸识别方法中，所述的对一维信号用稀疏保持映射方法进行降维处理的步骤如下：

在稀疏保持映射中，要保存的最主要的特性就是通过稀疏权向量重建出的信号要尽可能的逼近原始信号，即要满足：

minΣi=1n||WT(xi-Xsi)||2]]>

其中W^T为映射矩阵W的转置，x_i为第i个样本，s_i为x_i的稀疏权向量，n为样本个数，X是训练集的集合；

其中W是如下问题，

XS_βX^TW=λXX^TW

的特征值所对应的特征向量，其中S_β＝S+S^T-S^TS，X是训练集的集合，S是稀疏权矩阵。