龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：华侨大学
摘要：本发明提供的一种基于特征与标记协同的偏多标记特征选择方法及装置，涉及数据处理技术领域。本发明通过获取待处理的偏多标记数据集，并将候选标记转为逻辑标记矩阵；采用线性模型构建特征空间与标记分布之间的关系，通过范数损失优化标记分布与逻辑标记矩阵之间的误差；然后计算特征相似度与语义相似度，得到特征标记协同合作正则项，引导标记分布学习；接着构建目标函数，并基于稀疏编码与范数正则化进行稀疏约束，更新优化得到最优权重矩阵和更新后的标记分布矩阵，进而得到特征子集。另，采用多输出回归模型作为多标记分类器，训练后可用于多标记数据分类。本发明消除了有噪声的候选标记，为高维数据的偏多标记环境提供了高性能的分类方法。
主权项：1.一种基于特征与标记协同的偏多标记特征选择方法，其特征在于，包括：S1,获取待处理的偏多标记数据集；其中，所述偏多标记数据集包含偏多标记样本数据与其对应的候选标记集合；S2，将所述候选标记集合转化为逻辑标记矩阵；S3，采用线性模型构建所述偏多标记样本数据的特征空间与标记分布之间的关系，得到标记分布矩阵；并通过范数损失函数优化所述标记分布矩阵与所述逻辑标记矩阵之间的误差，以避免模型过度拟合；S4，采用预设的度量指标，计算所述偏多标记数据集中每个样本之间的特征相似度与逻辑标记矩阵的语义相似度；然后根据所述特征相似度和所述语义相似度，构建特征标记协同合作正则项，以引导标记分布的学习；S5，根据所述范数损失函数与所述特征标记协同合作正则项，构建特征选择模型的目标函数，并基于稀疏编码与范数正则化对模型的权重进行稀疏约束，采用交替方向乘子法对特征选择模型进行优化，得到特征选择模型的最优权重矩阵；根据所述最优权重矩阵与所述线性模型，更新样本数据的标记分布矩阵；S6，根据所述最优权重矩阵，按照特征的重要性进行特征选择，得到最优的特征子集，进而得到新样本特征矩阵，即偏多标记特征选择的结果。
全文数据：
权利要求：
百度查询： 华侨大学 一种基于特征与标记协同的偏多标记特征选择方法及装置
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号