本發(fā)明公開一種基于拉普拉斯正則化的低秩稀疏表征圖像特征學(xué)習(xí)方法,包括以下步驟:(1)將數(shù)據(jù)集隨機(jī)分成訓(xùn)練集和測試集;(2)構(gòu)建訓(xùn)練集的無向權(quán)重圖,并計(jì)算其拉普拉斯矩陣;(3)初始化特征提取矩陣,對訓(xùn)練集進(jìn)行初次特征提取;(4)設(shè)計(jì)一個(gè)非負(fù)低秩稀疏表征的學(xué)習(xí)模型;(5)利用LADMAP優(yōu)化方法優(yōu)化學(xué)習(xí)模型,得出最優(yōu)的特征提取矩陣以及最優(yōu)分類器模型參數(shù);(6)對測試集樣本進(jìn)行預(yù)測識別,驗(yàn)證特征提取效果以及分類精度。本發(fā)明具有魯棒性強(qiáng),識別率高,適應(yīng)性廣等優(yōu)點(diǎn),對圖像樣本進(jìn)行特征提取,保留的樣本的信息更多,其判別性更強(qiáng),可廣泛用于目標(biāo)識別,圖像分類等。
聲明:
“基于拉普拉斯正則化的低秩稀疏表征圖像特征學(xué)習(xí)方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)