买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:成都工业学院
摘要:本发明公开了基于全局‑局部标签特定特征学习增强标签相关性的方法,所述方法依赖于Lasso回归的稀疏性假设T1,并确保不会丢失必要的标签特定特征T2;通过对具有高标签相关性的样本应用约束T6,将标签特定特征用作相关标签之间强相关性的指示器T4;引入L2正则化来学习全局标签相关性T3,通过使用二元交叉熵和Lasso损失函数T5、T1将预测结果与真实标签的差异最小化;迭代将持续进行,直到收敛,输出结果是矩阵W;测试样本标签集Y是通过测试样本X’与回归系数矩阵W相乘获得的。本发明采用迭代方法来推断和更新缺失的标签值,从而恢复完整的标签矩阵,减少了手动计算和工作量,同时获得了更准确的标签相关性。
主权项:1.基于全局-局部标签特定特征学习增强标签相关性的方法,其特征在于,所述方法依赖于Lasso回归的稀疏性假设T1,并确保不会丢失必要的标签特定特征T2;通过对具有高标签相关性的样本应用约束T6,提高完成的标签矩阵的准确性;为了鲁棒地处理缺失标签,将标签特定特征用作相关标签之间强相关性的指示器T4;引入L2正则化来学习全局标签相关性T3以用于标签特定特征;通过使用二元交叉熵和Lasso损失函数T5、T1将预测结果与真实标签的差异最小化;迭代将持续进行,直到收敛,输出结果是回归系数矩阵W;测试样本标签集Y是通过测试样本X’与回归系数矩阵W相乘获得的,输出结果大于0.5的值,则包含相应的标签,否则不包含相应的标签。
全文数据:
权利要求:
百度查询: 成都工业学院 基于全局-局部标签特定特征学习增强标签相关性的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。