一种基于流形的线性回归学习方法

摘要

一种基于流形的线性回归学习方法，包括：构建第n类训练样本的预测子用第n类预测子Kn计算第n类映射矩阵Hn＝Kn(KnTKn)-1KnT，利用第n类的映射矩阵Hn计算该类中的每一幅图像y所对应的线性回归图像构建相似度矩阵Sij，有两种方式：如果l(xi)＝l(xj)，则Sij＝1，否则Sij＝0，i,j∈{1,...,M}，如果l(xi)＝l(xj)，并且xi属于xj的k近邻或者xj属于xi的k近邻，Sij＝exp(-||xi-xj||2/t)，其中xik表示xi样本的第k近邻，否则Sij＝0；计算特征转换矩阵本发明把流形学习与线性回归分类模型相结合，通过学习不仅能够保持高维空间中的非线性结构，而且可以把样本映射到更易于分类的线性子空间。本发明实用性：简单可行，可以解决人脸识别，生物特征识别等分类问题。