基于动态图学习与子流形保持的特征提取方法

本发明公开了基于动态图学习与子流形保持的特征提取方法，属于图像处理技术领域。具体包括以下步骤：S1、构建联合优化框架：整合子空间学习、标签学习与图学习任务，通过交替优化策略协同更新投影矩阵、标签矩阵及图相似度矩阵；S2、鲁棒稀疏投影学习：采用l2,1范数约束损失函数，抑制噪声干扰并实现特征行稀疏性。利用样本在投影特征空间中的近邻信息动态构建高质量的近邻图，结合基于最大熵原理建立近似数据的连通性图结构，捕获数据底层的局部几何结构信息，避免传统方法因忽略非线性子流形关系而导致的结构丢失问题，拉普拉斯正则化进一步平滑流形分布，确保未标记样本与邻近标记样本共享标签信息，增强子空间学习的鉴别力和鲁棒性。