买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广州大学申请的专利基于特征谱正则化的逆近邻线性判别分析方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116168247B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310180179.2，技术领域涉及：G06V10/764；该发明授权基于特征谱正则化的逆近邻线性判别分析方法及装置是由谭恒良;谢铭;李旺旺;冯健维;杜娇;杨朔;颜国风设计研发完成，并于2023-02-27向国家知识产权局提交的专利申请。

本基于特征谱正则化的逆近邻线性判别分析方法及装置在说明书摘要公布了：本发明公开了一种基于特征谱正则化的逆近邻线性判别分析方法及装置，包括，获取已分类的训练图像集合；根据训练图像集合计算邻内散度矩阵，对邻内散度矩阵进行特征分解得到特征向量和特征值；对邻内散度矩阵的特征值进行正则化形成多种加权函数，选择多个加权函数中的其中之一对特征向量进行加权处理得到加权特征向量，使用加权特征向量对训练图像集合中每个图像的像素值进行投影得到新的图像特征；根据新的训练图像集合特征计算总体散度矩阵。在逆近邻线性判别分析方法的基础上加入了特征谱正则化技术,从而避免普通线性判别分析中由于训练样本过少而导致的类内散度矩阵奇异,难以使用特征分解求取最优投影矩阵的问题。

本发明授权基于特征谱正则化的逆近邻线性判别分析方法及装置在权利要求书中公布了：1.一种基于特征谱正则化的逆近邻线性判别分析方法，其特征在于，包括， S1、获取已分类的训练图像集合； S2、根据训练图像集合计算邻内散度矩阵，对邻内散度矩阵进行特征分解得到特征向量和特征值； S3、对邻内散度矩阵的特征值进行正则化形成多种加权函数，选择多个加权函数中的其中之一对特征向量进行加权处理得到加权特征向量，使用加权特征向量对训练图像集合中每个图像的像素值进行投影得到新的训练图像集合特征，具体包括：通过ERE、CDEFE和DVPE模型对邻内散度矩阵的特征值进行正则化形成多个加权函数，选择多个加权函数中的其中之一对特征向量进行加权处理得到加权特征向量，使用加权特征向量对训练图像集合的每个图像的像素值进行投影得到新的训练图像集合特征； S4、根据新的训练图像集合特征计算总体散度矩阵，具体包括： 根据新的训练图像集合特征计算总体散度矩阵，公式如下： 其中，，，代表了新的图像集合特征的总体均值，代表的是类的数量，是第个类的数量； S5、对总体散度矩阵进行特征分解得到总体特征向量和总体特征值，对总体特征向量按照对应总体特征值进行降序排列,保留前若干个特征向量,得到降维矩阵； S6、根据加权特征向量和降维矩阵构建总体投影矩阵，根据总体投影矩阵对训练图像集合进行投影得到降维后的图像特征； S7、输入待分类图像，根据总体投影矩阵对待分类图像进行投影得到待分类图像特征，测量待分类图像特征与降维后的图像特征的最近距离，根据最近距离得到待分类图像的类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广州大学，其通讯地址为：510006 广东省广州市番禺区大学城外环西路230号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。