[发明专利]一种复杂背景下的对象识别方法及使用的计算机技术有效
| 申请号： | 201810030261.6 | 申请日： | 2018-01-12 |
| 公开（公告）号： | CN108256569B | 公开（公告）日： | 2022-03-18 |
| 发明（设计）人： | 杨尚明 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06V10/762;G06V10/771 |
| 代理公司： | 北京众合诚成知识产权代理有限公司 11246 | 代理人： | 夏艳 |
| 地址： | 610054 四川省*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 复杂 背景 对象 识别 方法 使用 计算机技术 | ||
【权利要求书】：
1.一种复杂背景下的对象识别方法，其特征在于，所述复杂背景下的对象识别方法利用基于非负矩阵分解的神经网络学习算法的独特功能；通过流形学习思想实现对具有不同特征的图形、图像信息数据的分解和特征提取来发现模式识别的方法、规律性及初始数据的特征；
所述复杂背景下的对象识别方法选择如下表达式的目标函数来测量图形间的离差：
式中pjk为矩阵Y中的第jk项，qjk为矩阵AX中的第jk项，ai、aj为矩阵A中列向量，xj、xk为矩阵X中列向量；
所述复杂背景下的对象识别方法选择下式dAB(ai,aj)、dAB(xj,xk)获得图形流形局部不变性特征提取：
通过使用dAB(ai,aj)、dAB(xj,xk)，把低维代表空间数据划分成不同区域；
所述dAB(ai,aj)、dAB(xj,xk)定义如下：
其中uij、wjk是域中两点间的连接权值。
2.如权利要求1所述的复杂背景下的对象识别方法，其特征在于，将所述dAB(ai,aj)、dAB(xj,xk)公式添加到(1)式中，并对目标函数使用梯度下降法获得相应的学习算法，同时使用最近邻为同类的方式进行聚类。
3.一种利用权利要求1～2任意一项所述复杂背景下的对象识别方法的计算机。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于电子科技大学，未经电子科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201810030261.6/1.html，转载请声明来源钻瓜专利网。
