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！

龙图腾网恭喜江西财经大学申请的专利改进的增量线性判别分析特征提取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：CN119693651B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202510218803.2，技术领域涉及：G06V10/40；该发明授权改进的增量线性判别分析特征提取方法是由吕晓梅;文章;万本庭;万军;石豪钦设计研发完成，并于2025-02-26向国家知识产权局提交的专利申请。

本改进的增量线性判别分析特征提取方法在说明书摘要公布了：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。

本发明授权改进的增量线性判别分析特征提取方法在权利要求书中公布了：1.一种改进的增量线性判别分析特征提取方法，其特征在于，所述方法包括如下步骤：步骤1、获取不同类别的图像训练样本，并将图像训练样本转换为数据矩阵；步骤2、基于OWA算子计算数据矩阵的全局样本均值，并计算不同类别的图像训练样本的类别均值，根据全局样本均值计算数据矩阵的类间散度矩阵；根据类别均值计算类内散度矩阵；步骤3、当传入新的图像训练样本时，对全局样本均值进行更新，获取新的全局样本均值；根据新的全局样本均值以及新的图像训练样本的类别均值分别对类间散度矩阵以及类内散度矩阵进行更新，以进行增量学习，得到增量学习后的类间散度矩阵和增量学习后的类内散度矩阵；步骤4、根据增量学习后的类内散度矩阵和增量学习后的类间散度矩阵，使用Fisher判别准则得到新的投影矩阵；步骤5、获取测试图像样本，将测试图像样本投影在新的投影矩阵上，进而实现数据的降维与特征提取。

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江西财经大学，其通讯地址为：330000 江西省南昌市经济技术开发区双港东大街169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”。