[发明专利]基于局部线性表示的模式分类方法

权利要求书

1.基于局部线性表示的模式分类方法，利用包括c个类别的训练样本集识别测试样本y所属的类别，所述c为自然数，其特征在于包括如下步骤：

步骤1，对于测试样本y，构建其近邻训练样本集；

步骤2，根据步骤1所述的近邻训练样本集，得到测试样本y在近邻训练样本集内的线性表示系数；

步骤3，将近邻训练样本集按照训练样本类别划分成c个子近邻训练样本集，利用子近邻训练样本集及其对应的线性表示系数计算测试样本y在每一个子近邻训练样本集内的重构误差；

步骤4，比较测试样本y在每一个子近邻训练样本集内的重构误差：当测试样本y在第M类的子近邻训练样本集内的重构误差最小时，将测试样本y归为第M类，所述M为小于或者等于c的自然数。

2.根据权利要求1所述的基于局部线性表示的模式分类方法，其特征在于步骤1中所述的近邻训练样本集构建方法如下：

步骤1-1，计算测试样本y到训练样本集中每个训练样本的距离；

步骤1-2，在训练样本集中提取前K个最近邻训练样本构成近邻训练样本集，其中：K的取值如下：

当min(N₁,N₂,…,N_c)>50时，K=max(N₁,N₂,…,N_c)；

当20<max(N₁,N₂,…,N_c)≤50时，K=3×max(N₁,N₂,…,N_c)；

当max(N₁,N₂,…,N_c)≤20且c>10时，K=5×max(N₁,N₂,…,N_c)；

当max(N₁,N₂,…,N_c)≤20且c≤10时，K=N/2；

其中，N₁为训练样本集中第一类别样本个数，N₂为训练样本集中第二类别样本个数，N_c为训练样本集中第c类样本个数，N为训练样本总数。