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。

在竞争激烈的市场里，专利从来都不是可有可无的“加分项”，而是企业站稳脚跟、加速发展的“硬通货”。
**买专利，首先是买“资质”。**
它是申报高新技术企业、专精特新企业的核心门槛。有了它，不仅能**助力斩获**政策补贴和税收减免，在招投标时还能稳稳拿下加分项，让您在众多竞争者中脱颖而出。
**专利是企业的“隐形财富”。**
它可以用来**实缴注册资金**，让公司实力一目了然，提升商业信誉；也能作为质押物向银行贷款，盘活现金流，为业务扩张注入动力。
**专利是产品的“金字招牌”。**
在产品包装上印上“专利产品”，客户一眼就能感受到技术实力，信任度自然提升，比打广告更有说服力。同时，它还能构建技术壁垒，防止对手模仿，帮您**抢占市场先机。
与其花两三年自主研发，承担失败风险，不如直接买现成专利。海量优质专利即买即用，让专利真正为企业创造价值！