龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：南京邮电大学
申请日：2024-02-23
公开（公告）日：2024-06-28
公开（公告）号：CN118260629A
主分类号：G06F18/24
分类号：G06F18/24;G06F18/214;G06F18/22;G06F18/23
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明提供一种基于标签特定特征与多重相关信息的嵌入式多标签分类方法，通过将多标签数据集按照设定比例划为训练集与测试集；采用损失函数作为目标函数，用来衡量预测值与真实值的差值，并引入l1范数来完成标签特定特征的生成；引入二阶标签相关性和高阶标签相关性，并去除标签关联性学习的过程中出现的不必要的相关性；基于约束在特征空间相似的样本在标签空间也相似设计正则化项加入目标函数，得到最终的目标函数；使用交替优化法对最终的目标函数进行优化，得到最终的目标函数的参数；完成多标签预测；该方法能够充分考虑多标签数据中的相关信息包括二阶标签相关性、高阶标签相关性以及特征空间与标签空间相关性，能够提升多标签分类性能。
主权项：1.一种基于标签特定特征与多重相关信息的嵌入式多标签分类方法，其特征在于：包括以下步骤，S1、获得包含若干样本的多标签数据集，每个样本包括设定数量的特征和标签，将多标签数据集按照设定比例划为训练集与测试集；S2、采用损失函数作为目标函数，用来衡量预测值与真实值的差值，并引入l1范数来完成标签特定特征的生成；S3、引入二阶标签相关性和高阶标签相关性，并使用l1范数对高阶标签关系矩阵U2进行稀疏化，将与每个标签不相关的标签权重值置为0，去除标签关联性学习的过程中出现的不必要的相关性；S4、基于约束在特征空间相似的样本在标签空间也相似设计一个正则化项加入目标函数，得到最终的目标函数；S5、使用交替优化法对最终的目标函数进行优化，得到最终的目标函数的参数包括线性模型权重矩阵U1、高阶标签关系矩阵U2和线性模型偏差向量c；S6、根据步骤S5得到的最终的目标函数的参数包括线性模型权重矩阵U1、高阶标签关系矩阵U2和线性模型偏差向量c对测试集完成多标签预测。
全文数据：
权利要求：
百度查询： 南京邮电大学 基于标签特定特征与多重相关信息的嵌入式多标签分类方法
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。
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