专利名称：一种基于拉普拉斯正则化的低秩稀疏表征图像特征学习方法
专利类型：发明专利
发明人：孟敏，兰孟城，武继刚，王勇
申请号：CN201810588297.6
申请日：20180608
公开号：CN108985161A
公开日：
20181211
专利内容由知识产权出版社提供
摘要：本发明公开一种基于拉普拉斯正则化的低秩稀疏表征图像特征学习方法，包括以下步骤：（1）将数据集随机分成训练集和测试集；（2）构建训练集的无向权重图，并计算其拉普拉斯矩阵；（3）初始化特征提取矩阵，对训练集进行初次特征提取；（4）设计一个非负低秩稀疏表征的学习模型；（5）利用LADMAP优化方法优化学习模型，得出最优的特征提取矩阵以及最优分类器模型参数；（6）对测试集样本进行预测识别，验证特征提取效果以及分类精度。本发明具有鲁棒性强，识别率高，适应性广等优点，对图像样本进行特征提取，保留的样本的信息更多，其判别性更强，可广泛用于目标识别，图像分类等。
申请人：广东工业大学
正则化与稀疏地址：510006 广东省广州市越秀区东风东路729号
国籍：CN
代理机构：广州粤高专利商标代理有限公司
代理人：林丽明
更多信息请下载全文后查看

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。