[发明专利]基于多尺度核稀疏保持投影的一维距离像识别方法

权利要求书

1.基于多尺度核稀疏保持投影的一维距离像识别方法，其特征在于，包括训练阶段和测试阶段，所述训练阶段的步骤如下：

(1)对一维距离像训练样本集X＝[x₁,x₂,...,x_N]，提取其归一化幅度特征集再进行平移对齐操作，得到平移对齐后的幅度特征集H＝[h₁,h₂,...,h_N]，N为样本容量；

(2)利用高斯核函数对幅度特征进行多尺度核空间映射，得到训练样本多尺度核空间特征向量集M为尺度总数；该步骤的具体过程如下：

采用的高斯核函数：

上式中，a,b＝1,2,…,N，σ_m为尺度m下的高斯核参数，在尺度m下得到H＝[h₁,h₂,...,h_N]的N×N维核矩阵K：

K_a,b＝G(h_a,h_b)

上式中，K_a,b表示核矩阵K的第a行b列元素；

对核矩阵K进行高维空间上的中心化得到矩阵对进行主成分分析，得到特征值矩阵中最大的l个特征值构成的特征值矩阵Λ_l对应的特征向量矩阵U_l＝[α₁,α₂,...,α_l]，l≤N，由U_l构成核空间投影矩阵，在尺度m下对H＝[h₁,h₂,...,h_N]进行核空间特征提取：

上式中，(·)^T表示转置运算，α_l,k表示U_l中特征向量α_l的第k个元素，表示h_j在尺度m下的核空间映射，j＝1,2,…,N，由此可以得到在尺度m下的核空间特征向量集Z_m＝[z₁,z₂,...,z_N]；

同理可求得其他各尺度下的核空间特征向量集，由此构成训练样本多尺度核空间特征向量集

(3)对进行稀疏保持投影，得到多尺度核稀疏特征向量集

(4)对进行串行特征融合，得到多尺度核空间稀疏保持融合特征向量集Q＝[q₁,q₂,...,q_N]；

(5)采用支持向量机分类器对Q进行学习；

所述测试阶段的步骤如下：

(6)对一维距离像测试样本y，提取其归一化幅度特征并与训练样本进行平移对齐，得到平移对齐后的幅度特征h_y；

(7)利用高斯核函数对幅度特征h_y进行多尺度核空间映射，得到测试样本多尺度核空间特征向量集H_y＝[h_y1,h_y2,...,h_yM]；

(8)对H_y＝[h_y1,h_y2,...,h_yM]进行稀疏保持投影，得到多尺度核稀疏特征向量集C_y＝[c_y1,c_y2,...,c_yM]；

(9)对C_y＝[c_y1,c_y2,...,c_yM]进行串行特征融合得到多尺度核空间稀疏保持融合特征向量q_y；

(10)采用步骤(5)学习完成的支持向量机分类器对q_y进行分类，得到一维距离像测试样本y的目标类别。

2.根据权利要求1所述基于多尺度核稀疏保持投影的一维距离像识别方法，其特征在于，在步骤(1)中，提取训练样本的归一化幅度特征的公式如下：

上式中，|·|表示取模，||·||₂表示取2范数。