[发明专利]一种非线性判别学习真假目标一维距离像特征提取方法

权利要求书

1.一种非线性判别学习真假目标一维距离像特征提取方法，特征在于，包括下列步骤：

步骤1：基于预设的非线性函数φ(·)，将一维距离像映射到高维特征空间，得到各类真假目标的各训练样本的一维距离像在高维特征空间的矢量：y_ij＝φ(x_ij)；

并计算各类样本分布在高维特征空间的中心矢量的初始值为：

其中，x_ij表示第i类真假目标的第j个训练样本的一维距离像，N_i表示第i类真假目标的训练样本数；

设置中心矢量的权系数的初始值为：

其中，函数k(x_ij,x_il)＝φ(x_ij)^Tφ(x_il)，上标“T”表示矩阵转置；

步骤2：迭代更新第i类样本分布在高维特征空间中的中心矢量的权系数：

更新后的权系数为：

其中，表示矢量中只有第j个元素的值为1,其它元素均为零；函数β(·)表示分布函数；表示预设的带宽系数；n_φ表示高维特征空间的矢量维度；表示中心矢量的当前权系数；

步骤3：基于当前更新后的权系数得到当前更新后的各类样本分布在高维特征空间的中心矢量：g表示类别数；

并判定是否满足迭代收敛条件，若是，则执行步骤4；否则，将的值作为中心矢量的当前权系数，继续执行步骤3；

所述迭代收敛条件为：最近两次得到的更新后的中心矢量的差的模小于给定阈值或者迭代次数超过预设的最大迭代次数；

步骤4：基于当前更新后的中心矢量在高维特征空间计算类内散布矩阵和类间散布矩阵S_b：

并根据公式求解得到最优非线性判别学习变换矩阵其中A_φ表示非线性判别学习变换矩阵；

步骤5：对任意待提取特征的一维距离像x_t，根据步骤4得到的最优的非线性判别学习变换矩阵得到对应的非线性判别学习特征矢量：

2.如权利要求1所述的方法，其特征在于，带宽系数设置为：其中c为预置的常数。