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！
摘要：基于加权流形消歧和动态局部标记相关性的偏多标记分类方法、装置、设备及介质，涉及偏多标记学习技术领域。偏多标记分类方法，能够高效准确的处理复杂数据集。首先，将候选标记转化为逻辑标记矩阵，构建特征空间与标记分布的关系，并据此设计损失函数。其次，通过计算语义相似度，利用k‑近邻方法确定训练实例的近邻，形成相似图权重矩阵。接着，计算初始局部标记相关性矩阵，并动态更新，结合相似图权重矩阵，引导标记分布学习。然后，构建目标函数，迭代优化模型参数，直至收敛，实现标记消歧。最后，训练好的模型可用于预测待测实例所属的所有类别，具有高准确性和鲁棒性，有效应对噪声标记的挑战，为偏多标记分类问题提供了高性能的解决方案。
主权项：1.一种基于加权流形消歧和动态局部标记相关性的偏多标记分类方法，其特征在于，包含：获取待处理的偏多标记数据集，将偏多标记数据的候选标记转化为逻辑标记矩阵，然后构建特征空间矩阵和标记分布矩阵；并根据所述特征空间矩阵和标记分布矩阵构建损失函数；计算所述逻辑标记矩阵的语义相似度，然后根据语义相似度和-近邻方法寻找训练实例的近邻样本，并计算训练实例与其近邻样本的相似图权重矩阵；根据所述逻辑标记矩阵计算初始局部标记相关性矩阵；并根据所述初始局部标记相关性矩阵和所述标记分布矩阵，构建局部标记相关性动态学习机制，获取新的局部标记相关性矩阵；然后基于训练实例的相似图权重矩阵和新的局部标记相关性矩阵，构建流形正则项诱导标记分布矩阵学习；根据所述损失函数和所述流形正则项构建偏多标记分类器的目标函数，进行迭代更新处理，直到所述目标函数值收敛，或者迭代达到预设最大迭代次数，完成标记消歧得到最优的模型参数，获取训练后的偏多标记分类器；获取待测实例，并输入所述训练后的偏多标记分类器，以预测所述待测实例所有可能的类别。
全文数据：
权利要求：
百度查询： 华侨大学 基于加权流形消歧和动态局部标记相关性的偏多标记分类方法、装置、设备及介质
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