[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

说明书

技术领域

本发明属于模式识别技术领域，具体涉及一种融合稀疏保持映射和多类别属性Bagging的人脸识别的新方法，是一种利用计算机技术、数字图象处理技术、模式识别等实现人脸的自动分析与判别的方法，是生物特征识别领域中关于人脸特征提取与识别的算法。

背景技术

一、稀疏保持映射

特征提取可以降低模式识别系统的代价，是模式识别领域的关键问题之一，它要使信号在低维空间中能够保持高维空间中的特性。稀疏保持映射是一种有效的特征提取方法，它的基本思想是首先计算出信号的稀疏表示（稀疏权向量），然后通过解决利用稀疏表示重构出的信号逼近原始信号的优化问题找到映射矩阵，并用该矩阵将高维信号投影到低维空间以完成特征提取。

二、两类问题属性Bagging算法

在属性Bagging算法中，共进行T轮训练，每一轮训练对属性集进行有放回的重抽样，根据每一轮抽样出的属性集，对原始训练集中的样本进行改造，即对于每个样本，只使用该轮中抽到的属性重新构成一个样本来代替原始样本，并重新组成每轮训练中的训练集。在每轮的新训练集上用分类算法训练出一个基分类器。最终，对测试集中的样本或未知的样本，根据T个基分类器的输出用投票法决定出最终的分类结果。

三、图像的Radon变换

属性Bagging算法需要进行属性抽取，本文将Radon变换的角度作为实例的属性。

二元函数f(x,y)的Radon变换定义为：

Rθ(x′)=∫-∞+∞f(x′cosθ-y′sinθ,x′cosθ+y′sinθ)dy′]]>

x′y′=cosθsinθ-sinθcosθxy]]>