[发明专利]一种改进的视频数据特征映射方法

权利要求书

1.一种改进的视频数据特征映射方法，其特征在于步骤如下：

步骤1：将训练集R₁中的N个视频数据特征Y₁,Y₂,...,Y_N写成矩阵形式：

Z=Y1Y2···YN=y1,1,y1,2,···,y1,ny2,1,y2,2,···,y2,n···yN,1,yN,2,···,yN,n;]]>

其中，R₁表示N个视频数据特征Y₁,Y₂,...,Y_N和特征X₁,X₂,...,X_N构成的集合；Y₁,Y₂,...,Y_N和X₁,X₂,...,X_N表示N个视频数据的两种特征；y_1,1,y_1,2,...,y_1,n表示Y₁中的n个元素；y_2,1,y_2,2,...,y_2,n表示Y₂中的n个元素；y_N,1,y_N,2,...,y_N,n表示Y_N中的n个元素；N表示训练集中视频数据个数，N＞0；

步骤2：利用y1,h=WTφ(X1)y2,h=WTφ(X2)···yN,h=WTφ(XN)]]>

计算矩阵Z的第h列元素y_1,h,y_2,h,...,y_N,h的映射矩阵W和基函数φ(X₁),φ(X₂),…,φ(X_N)中参数μ_j和s_j；其中，h＝1,2,...,n；y₁,y₂,...,y_N表示矩阵Z中的一列元素；

所述W表示利用y1,h=WTφ(X1)y2,h=WTφ(X2)···yN,h=WTφ(XN)]]>计算得到的映射矩阵；上标T表示矩阵转置；φ(X₁)＝[φ_j(x_1,j)]，j＝1,2,...,M表示X₁中第j个元素的标号，x_1,j表示X₁中的第j个元素；φ(X₂)＝[φ_j(x_2,j)]，j＝1,2,...,M表示X₂中第j个元素的标号，x_2,j表示X₂中的第j个元素；φ(X_N)＝[φ_j(x_N,j)]；j＝1,2,...,M表示X_N中第j个元素的标号，x_N,j表示X_N中的第j个元素；M表示X₁,X₂,…,X_N中元素的个数；

步骤3：利用yN+1,h=WTφ(XN+1)yN+2,h=WTφ(XN+2)···yN+P,h=WTφ(XN+P)]]>计算P个测试视频数据的特征Y_N+1,Y_N+2,...,Y_N+P的第h列元素y_N+1,h,y_N+2,h,...,y_N+P,h；

其中，X_N+1,X_N+2,...,X_N+P为P个测试视频数据的第一种特征；P表示测试视频数据的个数，P＞0；

步骤4：利用下式计算X₁,X₂,...,X_N和X_N+1,X_N+2,...,X_N+P中每两个特征的相关性系数r(X_i,X_k)，

r(Xi,Xk)=Σt=1M[(xi,t-X‾i)]·[(xk,t-X‾k)]Σt=1M(xi,t-X‾i)2Σt=1M(xk,t-X‾k)2;]]>

利用下式计算Y₁,Y₂,...,Y_N和Y_N+1,Y_N+2,...,Y_N+P中每两个特征的相关性系数r(Y_i,Y_k)，

r(Yi,Yk)=Σq=1n[(yi,q-Y‾i)]·[(yk,q-Y‾k)]Σq=1n(yi,q-Y‾i)2Σq=1n(yk,q-Y‾k)2]]>

若r(X_i,X_k)＞T₁且r(Y_i,Y_k)＞T₂，则将Y_k、X_k加入R₁；

其中，r(X_i,X_k)表示视频数据特征X_i和X_k的相关性系数；t＝1,2,...,M；i＝1,2,...,N；k＝N+1,N+2,...,N+P；x_i,t表示X_i中第t个元素；表示X_i的均值；x_k,t表示X_k中第t个元素；表示X_k的均值；T₁,T₂∈[-1,1]表示阈值；r(Y_i,Y_k)表示Y_i和Y_k的相关性系数；q＝1,2,...,n；y_i,q表示Y_i中第q个元素；表示Y_i的均值；y_k,q表示Y_k中第q个元素；表示Y_k的均值；

步骤5：将R₁中视频数据的特征Y₁,Y₂,...,Y_N,Y_k和X₁,X₂,...,X_N,X_k按照步骤1、步骤2和步骤3重新计算得到P个测试视频数据的特征Y′_N+1,Y′_N+2,...,Y′_N+P。