【摘要】 本发明公布了一种在类间散度和总散度阵秩空间中求解线性鉴别矢量的方法，所述方法包括：利用训练样本及其所属类别信息构造三个矩阵，利用构造的三个矩阵和样本矩阵计算一个新矩阵，对新矩阵的列矢量进行正交化过程得到相互正交的鉴别矢量。在识别阶段将样本特征和待识别特征分别投影到计算出的线性鉴别矢量上，得到最佳鉴别特征，然后计算待识别特征和样本特征的距离，将待识别样本归入最小距离对应的人脸类别中。本发明所得线性鉴别矢量和特征互不相关，消除了线性鉴别特征间的冗余，提高了所得鉴别特征的鉴别能力。 微信 【专利类型】发明申请 【申请人】南京信息工程大学 【申请人类型】学校 【申请人地址】210044 江苏省南京市宁六路219号 【申请人地区】中国 【申请人城市】南京市 【申请人区县】浦口区 【申请号】CN201010568119.0 【申请日】2010-12-01 【申请年份】2010 【公开公告号】CN101984455A 【公开公告日】2011-03-09 【公开公告年份】2011 【授权公告号】CN101984455B 【授权公告日】2013-05-08 【授权公告年份】2013.0 【IPC分类号】G06K9/62 【发明人】贺云辉 【主权项内容】1.一种在类间散度和总散度阵秩空间中求解线性鉴别矢量的方法，其特征在于包括如下步骤： (1)、构造矩阵A、B和D 有C个类别的样本，第i个类别有Ni个训练样本，i＝1，2...，C，总样本数为 将采集到的样本用矢量表示，即 表示第i个类别中的第j个样本； 构造N行N-1列的矩阵A为： 其中-11×N-1表示1行N-1列的每个元素均为-1的行矢量；IN-1×N-1表示N-1行N-1列的单位矩阵； 构造N-1行C列的矩阵B为： 构造C行C-1列的矩阵D为： (2)、计算矩阵V 其中 表示第i个类别中的第j个样本，j＝1，2，...，Ni； (3)、对矩阵V的列矢量进行正交化过程得到C-1个鉴别矢量w1，w2...，wC-1，由其构成变换矩阵W＝[w1，w2...，wC-1]； (4)、将训练样本和待识别样本分别投影到线性鉴别矢量上得到样本的最佳线性鉴别 特征： 其中 表示第i个类别中的第j个训练样本 的最佳线性鉴别特征，WT表示矩阵W的转置矩阵； 将待识别样本x投影到C-1个最佳线性鉴别矢量上得到鉴别特征y＝WTx； (5)、计算训练样本鉴别特征和待识别样本鉴别特征的距离，将待识别样本归入最小距离对应的训练样本所属的类别中： 计算 和y的最小距离： i＝1，2，...，C，j＝1，2，...，Ni，其中 表示 和y的欧氏距离，min表示求最小距离；识别的准则是将待识别样本x归入最小距离对应的训练样本所属的类别中。 【当前权利人】南京中网卫星通信股份有限公司 【当前专利权人地址】江苏省南京市江北新区高科二路9号 【专利权人类型】公立 【统一社会信用代码】12320000466006762K 【引证次数】2.0 【被引证次数】1 【自引次数】1.0 【他引次数】1.0 【被他引次数】1.0 【家族引证次数】2.0 【家族被引证次数】1

未经允许不得转载：http://www.zhongzhencnc.com/1785441929.html