本發明公開一種基于拉普拉斯正則化的低秩稀疏表征圖像特征學習方法,包括以下步驟:(1)將數據集隨機分成訓練集和測試集;(2)構建訓練集的無向權重圖,并計算其拉普拉斯矩陣;(3)初始化特征提取矩陣,對訓練集進行初次特征提??;(4)設計一個非負低秩稀疏表征的學習模型;(5)利用LADMAP優化方法優化學習模型,得出最優的特征提取矩陣以及最優分類器模型參數;(6)對測試集樣本進行預測識別,驗證特征提取效果以及分類精度。本發明具有魯棒性強,識別率高,適應性廣等優點,對圖像樣本進行特征提取,保留的樣本的信息更多,其判別性更強,可廣泛用于目標識別,圖像分類等。
聲明:
“基于拉普拉斯正則化的低秩稀疏表征圖像特征學習方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)