[发明专利]基于随机特征的迁移成分处理方法、装置及存储介质

权利要求书

1.基于随机特征的迁移成分处理方法，其特征在于，包括：

获取原始场景的数据集和目标场景的数据集；

对原始场景的数据集和目标场景的数据集分别进行预处理，得到原始场景的特征数据集和目标场景的特征数据集，其中，原始场景的特征数据集包含Ns个样本，目标场景的特征数据集包含Nt个样本；

将原始场景的特征数据集和目标场景的特征数据集进行拼接，得到总特征数据集，所述总特征数据集包含Ns+Nt个样本；

根据总特征数据集计算得到随机傅里叶特征矩阵；

利用随机傅里叶特征矩阵计算得到相应的特征向量矩阵；

根据随机傅里叶特征矩阵和特征向量矩阵计算得到总迁移特征数据集，所述总迁移特征数据集包含Ns+Nt个样本，且与总特征数据集中的样本一一对应；

从总迁移特征数据集中提取前Ns个样本作为原始场景的迁移特征数据集，提取后Nt个样本作为目标场景的迁移特征数据集；

利用原始场景的迁移特征数据集训练预置的分类器，得到训练后的分类器；

利用训练后的分类器对目标场景的迁移特征数据集进行预测分类，得到分类结果。

2.根据权利要求1所述的基于随机特征的迁移成分处理方法，其特征在于，所述对原始场景的数据集和目标场景的数据集分别进行预处理，包括：对原始场景的数据集和目标场景的数据集分别进行数据裁剪、正则化处理和归一化处理。

3.根据权利要求1所述的基于随机特征的迁移成分处理方法，其特征在于，所述原始场景的特征数据集表示为Xs，所述目标场景的特征数据集表示为Xt，Xs包含Ns个样本，Xt包含Nt个样本，每个样本表示为一个p维列向量，Xs表示为p行Ns列的矩阵，Xt表示为p行Nt列的矩阵，所述将原始场景的特征数据集和目标场景的特征数据集进行拼接，得到总特征数据集，包括：将Xs和Xt进行行方向上的拼接，得到总特征数据集X，X＝[Xs，Xt]，X表示为一个p行Ns+Nt列的矩阵。

4.根据权利要求3所述的基于随机特征的迁移成分处理方法，其特征在于，所述根据总特征数据集计算得到随机傅里叶特征矩阵，包括：

根据设定的核矩阵的类别获得对应的随机傅里叶特征Ω；

利用随机傅里叶特征Ω和总特征数据集X计算得到随机傅里叶特征矩阵，计算公式为：

其中，Σ为随机傅里叶特征矩阵，B为元素服从在[0，2π]区间上均匀分布的参数矩阵，N为设定的随机特征个数。

5.根据权利要求4所述的基于随机特征的迁移成分处理方法，其特征在于，所述利用随机傅里叶特征矩阵计算得到相应的特征向量矩阵，包括：

将随机傅里叶特征矩阵Σ代入特征向量矩阵计算式中，得到前m个特征向量对应的特征向量矩阵W，所述特征向量矩阵计算式为：

其中，H为设定的中心矩阵，T表示矩阵转置，γ为正则化参数，y定义如下：

即如果样本xi是来自原始场景，则yi＝1/Ns，如果样本xi是来自目标场景，则yi＝1/Nt，i表征对应元素行，根据总特征数据集X，得到确定的y，即y是向量

6.根据权利要求5所述的基于随机特征的迁移成分处理方法，其特征在于，所述根据随机傅里叶特征矩阵和特征向量矩阵计算得到总迁移特征数据集，包括：

将随机傅里叶特征矩阵Σ和特征向量矩阵W代入迁移特征计算式中，计算得到总迁移特征数据集，所述迁移特征计算式为：

new_X＝W^T∑

其中，new_X为总迁移特征数据集，T表示矩阵转置。

7.根据权利要求6所述的基于随机特征的迁移成分处理方法，其特征在于，所述总迁移特征数据集new_X＝[new_Xs，new_Xt]，new_Xs表征原始场景的迁移特征数据集，new_Xt表征目标场景的迁移特征数据集，所述从总迁移特征数据集中提取前Ns个样本作为原始场景的迁移特征数据集，提取后Nt个样本作为目标场景的迁移特征数据集，包括：从new_X中分别提取new_Xs和new_Xt。