一种基于稀疏表示的红外光谱数据分类识别方法

摘要

本发明公开了一种基于稀疏表示的红外光谱数据分类识别方法，其技术方案是利用稀疏表示的算法用训练样本对预测样本进行线性稀疏表示，实现预测样本的快速分类。具体步骤为：(1)构造训练样本矩阵；(2)对训练样本矩阵进行标准化处理；(3)求解稀疏解；(4)根据某一类稀疏解以及样本信息对预测样本进行估计。(5)类别判决。目前现有的对光谱数据的模式识别方法往往需要平滑，变量选择等预处理方式或者需要空间投影、傅立叶变化等算法来提升分类算法的有效性。本发明提供了一种不需要光谱数据进行预处理及相应的变化的分类方法，通过稀疏地线性表示就能找到与预测样本相近的训练样本来实现分类，操作简单，速度快。