[发明专利]基于低秩图学习的半监督特征子空间学习方法及装置有效
| 申请号： | 201910891913.X | 申请日： | 2019-09-20 |
| 公开（公告）号： | CN111027582B | 公开（公告）日： | 2023-06-27 |
| 发明（设计）人： | 李骜;安若琦;陈德云;孙广路;林克正 | 申请（专利权）人： | 哈尔滨理工大学 |
| 主分类号： | G06V10/764 | 分类号： | G06V10/764;G06V10/774;G06V10/77;G06V10/82;G06N3/0895 |
| 代理公司： | 哈尔滨市伟晨专利代理事务所(普通合伙) 23209 | 代理人： | 沈丽 |
| 地址： | 150080 黑龙*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的实施方式提供了一种基于低秩图学习的半监督特征子空间学习方法及装置。该方法包括：将图像数据集分成测试集和训练集，训练集中包括有标签及无标签的样本；定义关于特征子空间学习模型的目标函数；用标签传播的方式，构建有关标签的不同约束项，进而预测出无标签样本的标签信息，重新拟定目标函数；将重新拟定的目标函数中的特征子空间施加正交约束；利用训练集，求解出目标函数值最小化时各个变量的值，以通过目标函数求解后得到一个特征子空间；以及通过所述特征子空间投影测试集，得到所述数据集里所有类别图像的所有特征，通过预定分类器获得所述数据集的识别率。本发明的上述技术克服了现有技术的不足。 | ||
| 搜索关键词： | 基于 低秩图 学习 监督 特征 空间 学习方法 装置 | ||
【主权项】：
暂无信息
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哈尔滨理工大学，未经哈尔滨理工大学许可，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/201910891913.X/，转载请声明来源钻瓜专利网。
