改进的增量线性判别分析特征提取方法

本发明提出了一种改进的增量线性判别分析特征提取方法。首先计算图像训练样本的初始OWA全局均值、类间散度矩阵和类内散度矩阵，生成初始模型。在后续步骤中，对于每个新加入的样本，动态更新全局均值变量，并基于更新后的全局均值调整类间散度矩阵和类内散度矩阵。随后，利用Fisher判别准则计算新的投影矩阵，并将测试图像投影到该新的投影矩阵上，从而实现数据的降维与特征提取。本发明的核心创新在于采用OWA算子，根据样本间特征的不同贡献，生成了全新的全局样本均值。此外，提出了一种改进的类间散度矩阵，使得不同类别之间的差异性显著增强。通过提升类别区分度，该方法能够更加全面地保留数据信息，为后续的分类任务提供了更高质量的特征表示。

《改进的增量线性判别分析特征提取方法》是一发明专利，专利号为 2025102188032，当前法律状态为已下证，由江西财经大学提出申请，发明人为吕晓梅;文章;万本庭;万军;石豪钦，申请日期为2025-02-26，公开（公告）日期为2025-06-20，国际专利分类号（IPC）为 G06V 10/40 (2022.01)，高新资质：未报高企，所属技术领域包括：（数据降维技术、数据分析、数据算法、软件系统、教育系统、医疗系统）。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明提出了一种改进的增量线性判别分析特征提取方法。首先计算图像训练样本的初始OWA全局均值、类间散度矩阵和类内散度矩阵，生成初始模型。在后续步骤中，对于每个新加入的样本，动态更新全局均值变量，并基于更新后的全局均值调整类间散度矩阵和类内散度矩阵。随后，利用Fisher判别准则计算新的投影矩阵，并将测试图像投影到该新的投影矩阵上，从而实现数据的降维与特征提取。本发明的核心创新在于采用OWA算子，根据样本间特征的不同贡献，生成了全新的全局样本均值。此外，提出了一种改进的类间散度矩阵，使得不同类别之间的差异性显著增强。通过提升类别区分度，该方法能够更加全面地保留数据信息，为后续的分类任务提供了更高质量的特征表示。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！