自适应无参数的特征提取方法技术

本发明专利技术公开了一种新的无参数的有监督的特征提取算法。该发明专利技术在原有的特征提取算法的基础上对其进行改进，使之更加合理。首先该发明专利技术使用相关系数描述样本之间的相似性，通过建立类内散布矩阵来描述流形的局部结构，然后根据类与类之间相关系数的关系建立类间散布矩阵去描述流形之间的离散关系，最后建立目标函数使用Fisher准则对其进行求解，使其在达到类内散布矩阵最小的同时，类间散布矩阵达到最大，在整个过程中不需要人为设定任何参数，实现了无参数化。在三个数据库上的实验表明该发明专利技术的识别率较原始算法有所提高，达到了预期的效果。

【技术实现步骤摘要】
自适应无参数的特征提取方法
本专利技术属于目标识别领域的特征提取方法，具体是一种自适应无参数的特征提取方法。
技术介绍
随着科学技术的发展，人类获得的数据越来越多，而且这些数据往往具有很高的维数，对于典型的图像数据来说，其维数就是图像的像素数，而图像的像素数一般都很高。如何从这些高维的数据提取中有用的数据用来进行后续的处理是个巨大的问题。特征提取技术是解决这个问题的一个重要的方法。对于许多问题例如数据可视化、计算机视觉和模式识别特征提取都是一个基础性的问题。对于人脸识别来说，特征提取是完成人脸识别的关键。在过去几十年中，人们提出了很多关于特征提取的方法，这些方法中有监督学习的方法也有非监督学习的方法，有线性的方法也有非线性的方法。在这些方法中，文献二(I.Joliffe,PrincipalComponentAnalysis.Springer-Verlag,1986)中提出了主成分分析(PCA)，文献三(K.Fukunnaga,IntroductiontoStatisticalPatternRecognition,seconded.AcademicPress,1991)提出了线性判别式本文档来自技高网...

【技术保护点】
一种自适应无参数的特征提取方法，其特征在于包括以下步骤：步骤一：计算任意两个样本之间的相关系数Pij，使用增强的无参数的局部保留算法建立全部样本所属类的类内权重矩阵W；步骤二：寻找相邻类；依据步骤一中得到的相关系数Pij构成的矩阵P，计算任意一类ci与其他所有类的相关系数的平均值mi，计算任意一类ci与某一类cj的相关系数的平均值mij，如果mij≥mi i，则认为ci、cj为相邻的类；步骤三：建立一个大小为ni*nj的矩阵G，用于存储步骤二中得到的任意两个相邻的类之间样本与样本的关系，矩阵G初始化为全零，其中ni、nj为属于任意两个相邻的类ci、cj样本的数目；步骤四：对于属于ci的任意一个...

【技术特征摘要】
1.一种自适应无参数的特征提取方法，其特征在于包括以下步骤：步骤一：计算任意两个样本之间的相关系数Pij，使用增强的无参数的局部保留算法建立全部样本所属类的类内权重矩阵W；步骤二：寻找相邻类；依据步骤一中得到的相关系数Pij构成的矩阵P，计算任意一类ci与其他所有类的相关系数的平均值mi，计算任意一类ci与某一类cj的相关系数的平均值mij，如果mij≥mi，则认为ci、cj为相邻的类；步骤三：建立一个大小为ni*nj的矩阵G，用于存储步骤二中得到的任意两个相邻的类之间样本与样本的关系，矩阵G初始化为全零，其中ni、nj为属于任意两个相邻的类ci、cj样本的数目；步骤四：对于属于ci的任意一个样本cik计算其与属于cj的任意一个样本cjl的相关系数Pkl，如果这两个样本的相关系数Pkl，大于或等于cik与属于cj的所有样本的相关系数的均值m，即Pkl≥m，则置矩阵G中对应位置上G(i,j)＝1，遍历属于ci的所有的样本，得到属于ci的每个样本与属于cj的每个样本之间的关系，由于相关系数的性质可知，G为对称矩阵，...

【专利技术属性】
技术研发人员：柏连发，张毅，赵壮，韩静，岳江，陈钱，顾国华，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：江苏;32