成果介绍
本发明的主要目的在于克服现有技术的缺点与不足,提供一种基于正则回 归的秩-1张量投影的行为识别方法,该方法在获得更高行为识别率的同时降低 了计算的时间花费,具有很强的实用性。
本发明的目的通过以下的技术方案实现:一种基于正则回归的秩-1张量投 影的行为识别方法,包括以下步骤:
(1)训练过程:对已知行为类别的训练数据进行预处理,得到完整的前景 行为数据、原始行为数据和显著行为数据,然后对上述数据采用One Vs All的 策略对每种行为分别训练一个两类分类器,进而求得一个包括三个投影向量的 投影向量集,通过投影向量集外积得到秩-1张量投影,将已知类别的训练行为 按种类划分为多个子集,构建子集嵌入;
(2)识别过程:将测试数据输入到步骤(1)所得到的各个两类分类器, 然后将所有两类分类器的输出响应组成行向量,将此行向量与步骤(1)所得到 的每一维的子集嵌入结果相乘,找到相乘结果最大的行向量,其所对应的两类 分类器所代表的正样本类别即是测试行为所判定的类别。
所述步骤(1)中,所得到的前景行为数据、显著行为数据需进行空间归一 化,使其大小相同。
成果亮点
本发明采用正则回归技术构造秩-1张量投影方法,将张量表示的行为样 本直接投影到其对应的类别标记,从而避免基于张量的识别方法中计算较为复 杂的张量子空间方法,也避免对三维的特征张量构建合适的相似性度量方式, 在获得更高行为识别率的同时也大大降低了方法的计算复杂度。
本发明方法相较于现有技术具有更好的算法收敛性。随机初始化各投影 向量,通过5次实验,对于p1、p2和p3,相邻投影向量范数的差有明显的下降, 经过多次迭代其趋势接近0值。
本发明方法相较于现有技术计算复杂度大大降低。以一次迭代为例,大 部分的时间花费集中在每次迭代的正则回归求解投影向量。假设X是一个 mi×M大小的矩阵,正则回归涉及XXT+αI+βXLXT的计算,复杂度为 而求解方程的复杂度为忽略微小的计算环节,总体 计算花费表示为三次方O(mi[max(M,mi)]2),i为的下标。而一般框架中 张量子空间方法所涉及的高阶奇异值分解所需要的计算花费则高达四次方 O(m1m′2m′3min(m1,m′2m′3))。
团队介绍
1924年,孙中山先生亲手将广州地区实行近代高等教育模式的多所学校整合创立国立广东大学,并亲笔题写校训:“博学、审问、慎思、明辨、笃行”。孙中山先生逝世后,学校于1926年定名为国立中山大学。
今日的中山大学,由1952年院系调整后分设的中山大学和中山医科大学于2001年10月合并而成,是一所包括文学、历史学、哲学、法学、经济学、管理学、教育学、理学、医学、工学、农学、艺术学等在内的综合性大学。
中山大学和中山医科大学有着深厚的历史渊源及学术传统。鲁迅、郭沫若、冯友兰、傅斯年、赵元任、顾颉刚、周谷城、俞平伯、陈寅恪、戴镏龄、商承祚、容庚、梁方仲、姜立夫、高由禧、蒲蛰龙、高兆兰等蜚声海内外的专家学者都曾在中山大学任教。柯麟、梁伯强、谢志光、陈心陶、陈耀真、秦光煜、林树模、周寿恺、钟世藩等著名医学专家曾在中山医科大学任教。学校名家大师荟萃,他们优秀的品格和精湛的学术造诣熏陶着一代代莘莘学子,形成了良好的学术风气,许多才华横溢的毕业生成为了社会各界的杰出人才。
成果资料