[发明专利]一种低秩判别特征子空间学习方法

摘要

一种低秩判别特征子空间学习方法属于图像分类领域；解决了忽略对隐藏在样本中的低维子空间结构信息的技术问题；包括定义判别特征学习式的目标函数；采用类标签作为一种监督信息，目标函数重新拟定；将目标函数中的特征子空间施加正交约束；将一个图像数据集分成测试集和训练集；通过训练集，求解出目标函数值最小化时各个变量的值；目标函数求解后得到一个特征子空间；通过所述特征子空间投影测试集，得到数据集里所有类别图像的所有特征，最终通过分类器得到所述数据集的识别率；本发明用低秩表示系数作为约束来构造用于特征学习的判别项，其能够将子空间结构相似性约束引入到适用于图像识别和分类任务的判别特征学习模型中，促进模型自适应性和鲁棒性。

主权项

1.一种低秩判别特征子空间学习方法，其特征在于，包括下列步骤：步骤a、将一个图像数据集分成测试集和训练集；步骤b、定义判别特征子空间学习模型的目标函数，目标函数中第一项对矩阵进行低秩约束，第二项为判别正则化项，将低秩表示系数作为正则化参数来约束两个样本投影后的距离，矩阵中的元素被视为对两个样本的低维结构相似性的测量，对矩阵中的每个元素引入非负约束；步骤c、采用类别标签作为一种监督信息，目标函数重新拟定；步骤d、将目标函数中的特征子空间施加正交约束；步骤e、通过训练集，求解出目标函数值最小化时各个变量的值；步骤f、目标函数求解后得到一个特征子空间；步骤g、通过所述特征子空间投影测试集，得到数据集里所有类别图像的所有特征，最终通过分类器将得到所述数据集的识别率。