專利名稱：一種基于投影殘差的分類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像、聲音等高維數(shù)據(jù)的識別領(lǐng)域，特別是涉及一種基于投影殘差的分類方法。
背景技術(shù)：
在日常生活中我們會遇到各種各樣的聲音、圖像等高維數(shù)據(jù)。目前廣泛使用的分類器有 KNN(K-Nearest Neighbor Algorithm, K 最鄰近結(jié)點算法)，Adaboost (Adaptive Boosting,自適應(yīng)增強(qiáng)算法)，SVM(Support Vector Machine 支持向量機(jī))，KFD (Kernel Fisher Discriminant Analysis核鑒別分析算法)。其中以SVM最為流行，它使用高斯核函數(shù)時，對USPS(用于手寫體數(shù)字識別的樣本數(shù)據(jù)庫)的識別率達(dá)到了 95.5%。但SVM致力于在兩個類別之間建立邊界，所以它一次只能區(qū)分兩個類別，對于一個K類問題，就需要
足次比較，當(dāng)K很大時，計算速度就非常慢。
發(fā)明內(nèi)容
針對現(xiàn)有技術(shù)存在的問題，本發(fā)明的主要目的在于提供一種能夠針對多類問題直接進(jìn)行識別、速度快、識別率高的基于投影殘差的分類方法。為實現(xiàn)上述目的，本發(fā)明提供一種基于投影殘差分類方法的實施例，所述方法包括如下步驟步驟一、改變測試樣本中每個物體k的圖像集合Ik，使所述圖像集合Ik成為互相正交的、低維的特征圖像空間FIk ；步驟二、提取所述每個互相正交的、低維特征圖像空間FIk的主成分Vm ；步驟三、計算待測試圖像χ的映射樹X)到所述每個特征圖像空間Fik的投影殘差， 所述計算投影殘差的方法如下(1)使用特征映射^將待測試圖像χ映射為樹；(2)向所述每個特征圖像空間FIk的主成分Vkij進(jìn)行投射
權(quán)利要求
1.一種基于投影殘差的分類方法，其特征在于該分類方法包括如下步驟步驟一、改變測試樣本中每個物體k的圖像集合Ik，使所述圖像集合Ik成為互相正交的、低維的特征圖像空間FIk;步驟二、提取所述每個互相正交的、低維特征圖像空間FIk的主成分Vk, j ； 步驟三、計算待測試圖像χ的映射樹χ)到所述每個特征圖像空間FIk的投影殘差，所述計算投影殘差的方法如下(1)使用特征映射ρ將待測試圖像χ映射為Wx)；(2)向所述每個特征圖像空間FIk的主成分Vk,」進(jìn)行投射
2.根據(jù)權(quán)利要求1所述基于投影殘差的分類方法，其特征在于，所述步驟一是使用高斯核函數(shù)相對應(yīng)的非線性特征映射F來改變測試樣本中每個物體k的圖像集合Ik0
3.根據(jù)權(quán)利要求2所述基于投影殘差的分類方法，其特征在于，所述高斯核函數(shù)的表達(dá)式為=<>= Kv2) = exp(-11 x'"x2211 )其中Xl、&為測試樣本，。為高斯核函2σ ,數(shù)的參數(shù)，σ可以為75000000。
4.根據(jù)權(quán)利要求1所述基于投影殘差的分類方法，其特征在于，所述步驟一是使用流行學(xué)習(xí)來改變測試樣本中每個物體k的圖像集合Ik。
5.根據(jù)權(quán)利要求4所述基于投影殘差的分類方法，其特征在于，所述流行學(xué)習(xí)方法用測地距離來代替高斯核函數(shù)中的歐式距離。
6.根據(jù)權(quán)利要求5所述基于投影殘差的分類方法，其特征在于，所述流行學(xué)習(xí)方法的核函數(shù)表達(dá)式為:<^(xj^(x2)>= ^(X1,x2) = exp(-l|x'l|2+l|X2 "^1'2),Ji:2σ中Xi、&是測試樣本，y^ Y2是離Xp X2最近的流行學(xué)習(xí)樣本，mp Hl2是yi、Y2在流行上的坐標(biāo)，IIl1, Hl2 之間的歐式距離代表了 U2之間的測地距離。
7.根據(jù)權(quán)利要求1所述基于投影殘差的分類方法，其特征在于，所述步驟二是利用核主成分分析方法來提取每個特征圖像空間FIk的主成分Vk,ρ
全文摘要
本發(fā)明公開了一種基于投影殘差的分類方法，包括如下步驟步驟一、改變測試樣本中每個物體k的圖像集合Ik，使圖像集合Ik成為互相正交的、低維的特征圖像空間FIk；步驟二、提取每個互相正交的、低維特征圖像空間FIk的主成分Vk，j；步驟三、計算待測試圖像x的映射到每個特征圖像空間FIk的投影殘差；步驟四、判斷在某個物體的特征圖像空間的投影殘差最小，待測試圖像x即為該投影殘差最小的物體的圖像。本發(fā)明相對于現(xiàn)有技術(shù)，首先該分類方法直接尋找最近的特征圖像空間，能夠?qū)Χ囝悊栴}直接進(jìn)行識別，速度快，識別率高；其次，當(dāng)將流行學(xué)習(xí)方法添加到非線性特征映射來改變測試樣本中物體的圖像集合時，能在訓(xùn)練樣本較少的情況下提高識別率，識別效果穩(wěn)定。
文檔編號G06K9/62GK102298703SQ201110098940
公開日2011年12月28日 申請日期2011年4月20日 優(yōu)先權(quán)日2011年4月20日
發(fā)明者于傳帥, 馮勇, 張景中, 徐可佳, 曾麗, 譚治英 申請人:中科院成都信息技術(shù)有限公司