一种模糊单调的新型相关性图像识别及机器学习方法

本发明公开了一种模糊单调的新型相关性图像识别及机器学习方法，属于模式识别和机器学习的人工智能技术领域；本发明将所提出的方法定义为FMMCA，其通过逐对比较图像矩阵的行向量和列向量来评估局部模糊单调相关性，然后将这些局部相关性进行加权累加，最终得到图像间的全局模糊单调相关性。本发明直接用模糊单调的相关性分析代替经典相关性分析进行多视图研究，就不会存在经典相关分析所存在的问题，而且模糊单调的方法特征不需要用距离进行静态度量，可以通过区间变化动态度量，从而抵消一些噪声影响，提高性能，形成新型的模糊单调机器学习方法，不需要聚焦损失函数的优化，参数少，鲁棒性好，算力少。