【摘要】 本发明公开了一种带局域限制的矩阵概念分解方法，包括：(1)构建样本特征矩阵；(2)迭代输出基矩阵和系数矩阵；(3)求取样本特征矩阵的基和低维表示。本发明通过在目标函数中加入局域限制的正则项，使得分解得到的基尽可能接近更多的原始数据，所得数据表示可以同时满足稀疏性和局域限制；且通过降维去掉了高维数据中的冗余信息，提取出了能准确表示数据语义结构的低维表示，使得对于高维数据的聚类分析变得简单而有效，并具有良好的可解释性。 【专利类型】发明授权 【申请人】浙江大学 【申请人类型】学校 【申请人地址】310027 浙江省杭州市西湖区浙大路38号 【申请人地区】中国 【申请人城市】杭州市 【申请人区县】西湖区 【申请号】CN201210200313.2 【申请日】2012-06-14 【申请年份】2012 【公开公告号】CN102779162B 【公开公告日】2014-09-17 【公开公告年份】2014 【授权公告号】CN102779162B 【授权公告日】2014-09-17 【授权公告年份】2014.0 【IPC分类号】G06F17/30 【发明人】刘海风; 杨根茂; 杨政; 吴朝晖 【主权项内容】一种用于人脸图像聚类分析的带局域限制的矩阵概念分解方法，包括如下步骤：(1)获取关于人脸图像的样本集合，进而构建该样本集合的样本特征矩阵；所述的样本特征矩阵为m×n维矩阵，m为特征个数，n为样本个数，且m和n均为大于1的自然数，样本特征矩阵中的任一元素值为对应样本对应特征的特征值；(2)根据所述的样本特征矩阵，通过带局域限制的迭代算法求解出基矩阵和系数矩阵，带局域限制的迭代算法基于以下迭代方程组：w(j, k)t=w(j, k)t-1r(j, k)t-1+(r(j, k)2)2+p(j, k)t-1h(j, k)t-12p(j, k)t-1]]>v(k, j)t=v(k, j)t-1s(k, j)t-1+(s(k, j)t-1)2+4q(k, j)t-1z(k, j)t-12q(k, j)t-1]]>Rt-1=U(Vt-1)T+λ Σ j=1nXTXjITDjt-1]]>Pt-1=U+Wt-1Vt-1(Vt-1)T+λ Σ j=1nU+Wt-1Djt-1]]>Ht-1=U-Wt-1Vt-1(Vt-1)T+λ Σ j=1nU-Wt-1Djt-1]]>St-1＝2(λ+1)(Wt-1)TU-λ(A+Bt-1)Qt-1＝2(Wt-1)TU+Wt-1Vt-1Zt-1＝2(Wt-1)TU-Wt-1Vt-1u(i, j)+=u(i, j), u(i, j)≥ 00, u(i, j)< 0]]>u(i, j)-= 【当前权利人】浙江大学 【当前专利权人地址】浙江省杭州市西湖区浙大路38号 【专利权人类型】公立 【统一社会信用代码】12100000470095016Q 【引证次数】4.0 【自引次数】1.0 【他引次数】3.0 【家族引证次数】4.0 【家族被引证次数】5

未经允许不得转载：http://www.zhongzhencnc.com/1791558303.html