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。
声明:
“基于拉普拉斯正则化的低秩稀疏表征图像特征学习方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)