《用于稳健模式分类的系统和方法》由会员分享，可在线阅读，更多相关《用于稳健模式分类的系统和方法（2页珍藏版）》请在金锄头文库上搜索。
1、用于稳健模式分类的系统和方法专利名称：用于稳健模式分类的系统和方法技术领域：本文所揭示的系统和方法大体上涉及用于多种不同形式的物理传感器数据的较高效数据分类。背景技术：现代计算机系统越来越依靠用于数据集的快速训练以及准确识别和分类的数据处理技术。这些数据集可为稀疏的且过度约束的。举例来说，无线电通信接收器可仅接收包括具有许多维数的数据的少数消息。此情形被称为“过度约束”，因为系统必须仅基于少数非常复杂的样本来推断一般特性。尽管有此困难，但接收器必须对消息模式进行分类，以准确地区分来自可信消息的错误。可使用各种工具来将数据再形成为较服从分析和数据分类的形式。费歇尔(Fisher)的线性判别式分析
2、(LDA)是一种用于区分数据集内的数据的类别的方法。传统上，可在统计和模式辨识中使用LDA来在分类之前将高维观察从两个或两个以上类别线性地投影到低维特征空间上。通过将数据投影到较低维特征空间上，可比在较高维空间上尝试分类的情况下容易地分类传入数据。此外，在较低维特征空间中操作可促进比原始空间中高效的分类。费歇尔方法的发展图1描绘两个数据分类器IOla和101b。属于这些分类器内的数据可包括音频数据、视频数据、图像数据或可对其执行分类的任何数据集。所述分类器可从馈入到系统中的多个“训练”数据点(即，具有已经提供的对应分类的数据)产生。新的数据点(即，“测试”或“现场”数据点，其值属于分类器IOl
3、a内)将被分类为对应于分类器201a的类型的数据。类似地，值属于分类器IOlb内的新数据点将被分类为对应于分类器IOlb的类型的数据。此处，为了便于阐释，所述数据仅包括两个维度102a、102b，但将容易认识到，可以更加多的维度规律地表示数据。虽然可通过参考102a、102b的默认坐标来简单地识别用于一组新数据点的适当分类，但通常情况是，这些默认坐标不一定是表示要执行分类的数据的最佳坐标。而是，另一未识别坐标系统可较服从快速分类。此外，当执行分类时可优选使用较少的维度，因为默认维度102a、102b中的某些维度可比默认维度中的其它维度对分类较无用(如上文所提至|J，不是图像的1600个像素都可
4、能对脸部分类同等地有用)。识别将在其内执行分类的较少数目的维度有时被称为“降维”。一旦已识别一组新坐标(103a、103b)，就可接着在这些新坐标上投影分类器和这些传入数据点以促进数据分类。在图1的实例中，不是考虑两个维度102a和102b，而是可将分类器和新的传入数据投影在向量103b上。接着可通过注释新数据点投影在向量103b上的位置来执行分类。在此实例中，分类器201a和201b的分布在沿向量 203b投影时分别包括装置工和 2。一种用于识别向量103b的方法是费歇尔判别方法，其依靠费歇尔判别准则。费歇尔判别准则在投影在候选向量103b上时使分类器的类别间变化(Sb)与类别内变化(Sw)
5、有关。还可将总体散布St称为Sw+Sb。可将类别间散布Sb定义为: Sb = ( f 2) ( f 2)T e Rnxn (I)在此实例中，类别内散布可定义为:Sw = SS2GRnxn (2)且总体散布可定义为:St = Sb+Sw e Rnxn (3)直观地，具有高类别间变化和低类别内变化的所投影的分类器将促进比相反情况好的数据点隔离。这反映在费歇尔准则中，其定义为:权利要求1.一种在电子装置上实施的用于产生物理传感器数据分类器的方法，所述方法包括: 接收多个物理传感器数据； 基于所述物理传感器数据使用搜索算法识别投影向量，所述搜索算法包括度量函数，其中识别投影向量包括使用稀疏矩阵变换计算
6、与所述度量函数相关联的一个或一个以上本征值；以及 通过在所述投影向量上投影所述物理传感器数据的至少一部分而产生物理传感器数据分类器。2.根据权利要求1所述的方法，其中所述物理传感器数据包括面部图像数据、语音音频数据、无线通信信号或激光测距仪数据中的一者。3.根据权利要求1所述的方法，其中用迭代法计算所述搜索算法。4.根据权利要求1所述的方法，其中所述度量函数包括费歇尔判别式。5.根据权利要求1所述的方法，其中所述搜索算法包括双射搜索。6.一种移动电子装置，其包括: 存储器，所述存储器经配置以存储包括物理传感器数据的数据集； 处理器，其经配置以: 接收多个物理传感器数据； 基于所述物理传感器数据
7、使用搜索算法识别投影向量，所述搜索算法包括度量函数，其中识别投影向量包括使用稀疏矩阵变换计算与所述度量函数相关联的一个或一个以上本征值；且 通过在所述投影向量上投影所述物理传感器数据的至少一部分而产生物理传感器数据分类器。7.根据权利要求6所述的移动电子装置，其中所述物理传感器数据包括面部图像数据、语音音频数据、无线通信信号或激光测距仪数据中的一者。8.根据权利要求6所述的移动电子装置，其中所述搜索算法用迭代法计算。9.根据权利要求6所述的移动电子装置，其中所述度量函数包括费歇尔判别式。10.根据权利要求6所述的移动电子装置，其中所述搜索算法包括双射搜索。11.一种非瞬时计算机可读媒体，其包括
8、经配置以致使处理器实施用以对物理传感器数据进行分类的方法的指令，所述方法包括: 接收多个物理传感器数据； 基于所述物理传感器数据使用搜索算法识别投影向量，所述搜索算法包括度量函数，其中识别投影向量包括使用稀疏矩阵变换计算与所述度量函数相关联的一个或一个以上本征值；以及 通过在所述投影向量上投影所述物理传感器数据的至少一部分而产生物理传感器数据分类器。12.根据权利要求11所述的非瞬时计算机可读媒体，其中所述物理传感器数据包括面部图像数据、语音音频数据、无线通信信号或激光测距仪数据中的一者。13.根据权利要求11所述的非瞬时计算机可读媒体，其中所述搜索算法用迭代法计算。14.根据权利要求11所述
9、的非瞬时计算机可读媒体，其中所述度量包括费歇尔判别式。15.根据权利要求11所述的非瞬时计算机可读媒体，其中所述搜索算法包括双射搜索。16.一种移动电子装置，其包括: 用于接收多个物理传感器数据的装置； 用于基于所述物理传感器数据使用搜索算法识别投影向量的装置，所述搜索算法包括度量函数，其中识别投影向量包括使用稀疏矩阵变换计算与所述度量函数相关联的一个或一个以上本征值；以及 用于通过在所述投影向量上投影所述物理传感器数据的至少一部分而产生物理传感器数据分类器的装置。17.根据权利要求16所述的移动电子装置，其中所述接收装置包括处理器运行软件，所述识别装置包括处理器运行软件，所述产生装置包括处理器运行软件。18.根据权利要求16所述的移动电子装置，其中所述物理传感器数据包括面部图像数据、语音音频数据、无线通信信号或激光测距仪数据中的一者。19.根据权利要求16所述的移动电子装置，其中所述搜索算法用迭代法计算。20.根据权利要求16所述的移动电子装置，其中所述度量函数包括费歇尔判别式。21.根据权利要求16所述的移动电子装置， 其中所述搜索算法包括双射搜索。全文摘要某些实施例涉及用于使用降维技术执行数据判别的系统和方法。特定来说，应用稀疏矩阵变换SMT来更有效地确定针对给定数据集的费歇尔判别向量。对SMT的调整鉴于各种资源约束促进所述费歇尔判别向量的更稳健识别。
