[发明专利]一种基于视角类属特征学习的多视角多标记分类方法在审
| 申请号： | 201910226726.X | 申请日： | 2019-03-25 |
| 公开（公告）号： | CN110009017A | 公开（公告）日： | 2019-07-12 |
| 发明（设计）人： | 黄俊;屈喜文;秦锋;郑啸;陶陶;袁志祥 | 申请（专利权）人： | 安徽工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 南京九致知识产权代理事务所(普通合伙) 32307 | 代理人： | 韩莲 |
| 地址： | 243032 安徽省马鞍*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及机器学习领域的多标记学习技术，涉及一种基于视角类属特征学习的多视角多标记分类方法，包括：S1、获取训练数据，建立类别标记矩阵；S2、构建类别标记后各视角特征数据映射到类别标记矩阵的线性模型；S3、在线性模型基础上，建立各视角特征贡献度模型；S4、采用正则项约束视角特征贡献度模型，使每个视角特征数据在预测结果上具有一致性；S5、采用流行正则约束相关类别标记对应的模型系数的相似性；S6、标记预测，给定一个测试样本t，将测试样本t带入步骤S1‑S5中得融合预测值。本申请的技术方案实现有效利用多源信息，学习每个视角中不同特征对类别标记的判别性能，更好的进行多标记学习任务。 | ||
| 搜索关键词： | 类别标记 视角特征 多标记 矩阵 测试样本 特征学习 线性模型 多视角 贡献度 类属 视角 机器学习领域 多源信息 模型系数 数据映射 训练数据 预测结果 项约束 分类 预测 构建 学习 融合 申请 | ||
【主权项】：
1.一种基于视角类属特征学习的多视角多标记分类方法，其特征在于，包括如下步骤：S1、获取训练数据，并将训练数据进行类别标记，建立类别标记矩阵；S2、构建类别标记后各视角特征数据映射到类别标记矩阵的线性模型，以作为分类器；S3、在线性模型基础上，根据视角特征数据的贡献度，建立各视角特征贡献度模型；S4、采用正则项约束视角特征贡献度模型，使每个视角特征数据在预测结果上具有一致性；S5、利用类别标记间的相关性对线性模型的模型系数的影响：如果两个类别标记相关性较强，则它们对应的模型系数会很接近，反之则越不相似；采用流行正则约束相关类别标记对应的模型系数的相似性；S6、标记预测，给定一个测试样本t，将测试样本t带入步骤S1‑S5中得融合预测值。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于安徽工业大学，未经安徽工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910226726.X/，转载请声明来源钻瓜专利网。
- 上一篇：特征提取方法及装置
- 下一篇：一种图像生成方法、装置以及相关设备
