一种基于标记协方差和多标记分类的联合学习方法

发明专利无效专利

申请号：
CN201710430547.9
IPC分类号：G06K9/62;G06N99/00
申请日期：
2017-06-09
申请人：
南京师范大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于标记协方差和多标记分类的联合学习方法
申请号	CN201710430547.9	申请日期	2017-06-09
法律状态	驳回	申报国家	中国
公开/公告日	2017-11-07	公开/公告号	CN107330448A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;9;9;/;0;0查看分类表>
申请人	南京师范大学	申请人地址	江苏省南京市鼓楼区宁海路122号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	南京师范大学	当前权利人	南京师范大学
发明人	杨明;吕静;何志芬;杨琬琪;蔡维玲;宋凤义
代理机构	南京经纬专利商标代理有限公司	代理人	刘传玉

摘要

本发明公开了一种基于标记协方差和多标记分类的联合学习方法，主要考虑同时学习多标记分类模型、自动划分样本的相关标记和不相关标记的阈值函数以及标记相关性问题，包含如下步骤：标记相关性矩阵初始化；运用标记协方差和多标记分类的联合学习算法习得到分类模型参数、标记相关性以及阈值函数所对应的参数；模型预测；本发明以支持向量机模型为基础，将标记之间的相关性和标记集分割策略嵌入SVM模型中，以用于多标记数据的分类，以此来提高多标记数据的分类精度，此外，本发明中将正则化技术运用在模型中，以控制联合学习模型中分类模型的复杂度和标记相关性的大小，防止过拟合，进一步提高多标记数据的分类效果。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供