一种正负近邻双柔性约束的非负表示分类方法

本发明公开了一种正负近邻双柔性约束的非负表示分类方法，利用K‑近邻算法为每个测试样本构建正近邻集，并希望正邻居集中每个样本与测试样本之间的距离尽可能小。同时，考虑到正近邻集中不同类别样本会对分类性能造成负面影响，引入负近邻集。通过负近邻集，实现反向约束作用，以平衡正近邻中类间样本的干扰。为进一步提升测试样本所属的正确类别在正近邻集中的表征优势，引入柔性因子的概念，设计一种基于正负近邻集的加权柔性约束策略。这一策略不仅强化了正确类别的表示能力，同时有效削弱了错误类别的表示权重，从而进一步提升了分类性能。与传统非负表示分类器相比，本发明在分类精度上具有显著优势，展现了更强的适应性和鲁棒性。