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！

龙图腾网恭喜西北工业大学申请的专利一种基于鲁棒迹比值线性判别分析的数据降维方法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：CN118228040B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202410337089.4，技术领域涉及：G06F18/2135；该发明授权一种基于鲁棒迹比值线性判别分析的数据降维方法是由王靖宇;尹恒姮;聂飞平;李学龙设计研发完成，并于2024-03-22向国家知识产权局提交的专利申请。

本一种基于鲁棒迹比值线性判别分析的数据降维方法在说明书摘要公布了：本发明涉及一种基于鲁棒迹比值线性判别分析的数据降维方法，对每个样本点引入可自适应更新的二值权重，判定其为正常点权值为1还是噪声点权值为0；在完全剔除所有噪声点的基础上优化类内均值和投影矩阵，以得到输入训练数据被污染情况下的最优均值和最优判别投影方向，进而有效提升迹比值线性判别分析模型对噪声的鲁棒性和降维性能。

本发明授权一种基于鲁棒迹比值线性判别分析的数据降维方法在权利要求书中公布了：1.一种基于鲁棒迹比值线性判别分析的数据降维方法，其特征在于步骤如下： 步骤1、构建数据矩阵、标签向量并进行数据预处理： 构建原始数据矩阵其中n为样本数，d为原始空间维度；标签向量为其中yi代表类别序号，对应第i个样本的类别； 所述原始数据矩阵中的原始数据为ORL_32×32人脸图像数据集； 将数据矩阵X按标签向量y指示的类别顺序排列，即X＝[X1,...,Xc]，其中：表示由第j类样本构成的数据矩阵，j＝1,…,c为数据矩阵中的第j类样本；nj为第j类的样本个数； 步骤2、建立基于鲁棒迹比值线性判别分析的数据降维模型： 其中：为X＝[X1,...,Xc]由高维空间向低微空间的投影矩阵；为二值的异常指示向量，若第i个样本为正常样本，则si＝1，否则si＝0，表示第j类的第i个样本；正整数k为正常样本的个数；d1为经数据降维后所得低维子空间的维度；为第j类样本在d1维低维空间中的类内均值向量；为所有样本在原始高维空间中的总体类别均值； 步骤3：通过交替迭代优化模型的变量W、s和mj，对建立的数据降维模型进行求解，得到鲁棒迹比值线性判别分析模型的最优投影方向、正常样本指示向量和所有类别的最优均值； 步骤4：以步骤3最后一次迭代得到的W作为最终投影矩阵，则降维后的数据矩阵为Z＝WTX。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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”。