[发明专利]一种基于类间判别的矩阵分类模型

权利要求书

1.一种基于类间判别的矩阵分类方法，其具体步骤是：

1)、首先采集图像数据集：将采集到的图像样本转化成矩阵模式以便后面的算法可以处理，并将图片数据集进行灰度处理及使用传统降维算法进行降维处理以便除去噪声；

2)、其次使用聚簇方法对训练集中的每一类分别进行聚簇并获得簇心；

3)、随后使不同类之间的簇心在投影空间中之间的距离最大化，从而构造出新的正则化项R_BC；

4)、之后使用正则化项R_BC结合面向矩阵模式分类器MatMHKS构造新的面向矩阵模式分类方法CBCMatMHKS，方法框架为minJ＝R_emp+cR_reg-λR_BC，其中，R_emp是经验风险项，R_reg是正则化项，目的是控制整个CBCMatMHKS矩阵模式分类模型的光滑度和计算复杂度，正则化参数c是平衡R_emp和R_reg的关系，λ是调节R_BC的参数；并用训练集训练CBCMatMHKS，使用梯度下降法对模型CBCMatMHKS求最优解；

5)、然后使用测试集测试最优解,并得出最优的决策函数；

6)、最后使用得出的最优的决策函数对输入的未知类别的矩阵模式进行计算，根据输出的结果对未知的矩阵模式进行分类。

2.根据权利要求1所述的一种基于类间判别的矩阵分类方法，其特征在于：所述的正则化项R_BC是指通过最大化不同类的簇心在投影空间的距离来发掘类间的判别信息，其形式为其中每一类的簇的数目为k_m,m＝1,2，为第一类的第i个簇心，为第二类的第j个簇心。