[00265481]基于完全矫正Boosting和子空间学习算法的步态识别方法
交易价格：
面议
所属行业：
其他电子信息
类型：
发明专利
技术成熟度：
正在研发
专利所属地：中国
专利号：CN201710262739.3
交易方式：
技术转让
技术转让
技术入股
联系人：
四川大学
进入空间
所在地：四川成都市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本发明涉及一种基于完全矫正Boosting和子空间学习算法的步态识别方法，其包括将二维图像数据转换为一维向量数据；利用获得的一维向量建立包含N个样本的d维训练样本集X；构造特征索引集T,令M＝|T|表示集合T的基数，初始权重值um＝1/M；引入软间隔线性规划表达式将求解目的权重向量a的问题转换为形如LPBoost算法的线性规划表达式及其拉格朗日对偶的求解问题；基于集合T以及对应的权重值[um]构造固有图及惩罚图；构造对应图的相似矩阵S及SP，对角矩阵D，DP，及拉普拉斯矩阵L，LP；将Φt表示为一个N维矩阵Ψt的运算表达式；求解Ψl条件下对应的最佳投影矩阵Vl；根据拉格朗日对偶问题的求解更新权重值um的值；进行L轮训练；利用L轮训练后的结果计算得到目的权重向量a＝[a1,...,aL]T；利用最佳投影矩阵经过L轮训练获得投影矩阵集
本发明涉及一种基于完全矫正Boosting和子空间学习算法的步态识别方法，其包括将二维图像数据转换为一维向量数据；利用获得的一维向量建立包含N个样本的d维训练样本集X；构造特征索引集T,令M＝|T|表示集合T的基数，初始权重值um＝1/M；引入软间隔线性规划表达式将求解目的权重向量a的问题转换为形如LPBoost算法的线性规划表达式及其拉格朗日对偶的求解问题；基于集合T以及对应的权重值[um]构造固有图及惩罚图；构造对应图的相似矩阵S及SP，对角矩阵D，DP，及拉普拉斯矩阵L，LP；将Φt表示为一个N维矩阵Ψt的运算表达式；求解Ψl条件下对应的最佳投影矩阵Vl；根据拉格朗日对偶问题的求解更新权重值um的值；进行L轮训练；利用L轮训练后的结果计算得到目的权重向量a＝[a1,...,aL]T；利用最佳投影矩阵经过L轮训练获得投影矩阵集
