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：河南师范大学

摘要：本发明涉及一种带有缺失标记的不完备数据的多标记分类方法及装置，属于数据分类技术领域。本发明首先基于邻域粗糙集理论，通过样本之间的差异性和相似性，构造了邻域可辨识和不可辨识矩阵，以此恢复不完备的信息，并得到所恢复信息的特征权重矩阵；然后基样本之间的模糊相似关系，结合模糊相似关系、回归模型以及特征权重矩阵建立考虑特征之间非线性关系的新的目标函数，并通过梯度下降方法对其进行优化求解，从而实现对带有缺失标记的不完备数据的多标记分类。本发明充分考虑了特征之间的非线性关系，大大提高了带有缺失标记的不完备数据的多标记分类的精度和效率。

主权项：1.一种带有缺失标记的不完备数据的多标记分类方法，其特征在于，该分类方法包括以下步骤：1获取含有缺失标记的不完备多标记数据集，所述数据集为文本数据集，并计算数据集中每个样本在每个特征上的邻域半径，得到一个不完备多标记邻域决策系统；2根据得到的邻域半径，通过样本之间差异性和相似性计算邻域可辨识矩阵和邻域不可辨识矩阵；3基于邻域可辨识矩阵和邻域不可辨识矩阵，确定样本之间的相似度，由此恢复不完备的信息，并得到所恢复信息的特征权重矩阵；4根据所述的特征权重矩阵，并结合邻域模糊集和线性回归模型构造新的目标函数；5采用交替梯度下降策略对新的目标函数进行优化求解，以实现对含有缺失标记的不完备数据的多标记分类；所述步骤1中邻域半径的计算公式为： 其中，δa′xi为样本xi在属性a上的邻域半径，meana是属性a中所有未缺失属性的平均值，fa表示属性a中所谓未缺失属性的密度函数，maxfa是密度函数fa的最大值，faxi表示样本xi在属性a上所对应的密度函数值；所述步骤4中建立的新的目标函数为： 其中α,β,γ和λ是超参数，X∈Rm×n为样本集，Y∈Rt×n为标记集，B∈Rt×t和W∈Rt×m分别是标记相关性矩阵和特定标记特征矩阵，||W||2和||B||2分别是矩阵W和矩阵B的l-2正则项，TrBYL1YTBT是矩阵BYL2YTBT的迹，L2＝D2-S是一个拉普拉矩阵，S是模糊相似矩阵，D2是一个对角矩阵，且有sij表示样本xi和样本xj之间的模糊相似度，C表示特征权重矩阵，wi和wj分别表示矩阵W的第i列和第j列的值，bij表示矩阵B中第i行第j列的值，⊙表示哈达玛积。

全文数据：

权利要求：

百度查询： 河南师范大学 一种带有缺失标记的不完备数据的多标记分类方法及装置