[发明专利]基于正则化图的多视角识别方法

权利要求书

1.一种基于正则化图的多视角识别方法，包括如下步骤：

(1)提取多视角特征数据：

从多视角数据库中任意提取一种包含有m类样本数据的视角特征；

(2)进行预处理：

(2a)将所选视角特征生成一个数据矩阵，对生成的数据矩阵进行归一化处理，得到归一化后的数据矩阵；

(2b)采用主成分分析法PCA，计算归一化后的数据矩阵协方差，得到协方差矩阵；

(2c)利用奇异值分解法，将协方差矩阵进行特征值分解，提取保持99％能量特征值对应的所有特征向量作为训练样本；

(3)构建正则化图：

(3a)利用最近邻法，在每一类训练样本中，寻找每个训练样本的最近邻，将每个训练样本与其最近邻样本连接边的权值设置为1/k，k表示最近邻样本的数目，将每个训练样本与其最近邻样本连接后构成正则化图中的固有图；

(3b)利用最近邻法，在训练样本中，寻找每个训练样本的类间最近邻样本，将每个训练样本与其类间最近邻样本连接边的权值设置为1/h，h表示类间最近邻样本的数目，将每个训练样本与其类间最近邻样本连接后构成正则化图中的局部惩罚图；

(3c)在训练样本中，将每个训练样本与其类间训练样本连接边的权值设置为1/(n-n_c)，n表示所有训练样本的数目，n_c表示所选的一种包含有m类样本数据的视角特征中的每个训练样本自身所在类别的训练样本数目，c表示样本类别，c＝1,2,...,m，将每个训练样本与其类间训练样本连接后构成正则化图中的全局惩罚图；

(4)计算正则化图的拉普拉斯矩阵：

(4a)利用固有图的连接边的权值矩阵，计算对应正则化图中固有图的拉普拉斯矩阵；

(4b)利用局部惩罚图的连接边的权值矩阵，计算对应正则化图中局部惩罚图的拉普拉斯矩阵；

(4c)利用全局惩罚图的连接边的权值矩阵，计算对应正则化图中全局惩罚图的拉普拉斯矩阵；

(5)计算训练样本的散度矩阵：

(5a)利用类间散度公式，计算训练样本的类间散度矩阵；

(5b)利用全局散度公式，计算训练样本的全局散度矩阵；

(6)判断是否选取完所提取的视角特征中所有的视角特征，若是，则执行步骤(7)，否则，执行步骤(1)；

(7)利用鉴别性典型相关分析公式，计算两两训练样本之间的相关性值；

(8)计算训练样本的投影两两组合后的视角特征：

(8a)利用基于正则化图的多视角识别公式，计算训练样本的投影向量；

(8b)利用投影向量的组合公式，计算投影两两组合后的视角特征；

(9)识别分类：

利用最近邻分类器，对投影两两组合后的视角特征进行识别分类。

2.根据权利要求1所述的基于正则化图的多视角识别方法，其特征在于：步骤(4a)中利用固有图的连接边的权值矩阵，计算对应正则化图中固有图的拉普拉斯矩阵的公式如下：

L_w＝D_w-W

其中，L_w表示对应正则化图中固有图的拉普拉斯矩阵，D_w表示一个对角线元素由对固有图连接边的权值矩阵W的行或列求和后向量组成的对角矩阵，W表示固有图的连接边的权值矩阵。

3.根据权利要求1所述的基于正则化图的多视角识别方法，其特征在于：步骤(4b)中利用局部惩罚图的连接边的权值矩阵，计算对应正则化图中局部惩罚图的拉普拉斯矩阵的公式如下：

L_h＝D_h-H

其中，L_h表示对应正则化图中局部惩罚图的拉普拉斯矩阵，D_h表示一个对角线元素由对局部惩罚图的连接边的权值矩阵H的行或列求和后向量组成的对角矩阵，H表示局部惩罚图的连接边的权值矩阵。