公开(公告)号：CN111581469A

公开(公告)日：2020-08-25

申请号：CN202010412162.1

申请日：2020-05-15

Applicant: 北京交通大学

Inventor： 冯松鹤 ,  李浥东 ,  李子薇 ,  金一 ,  郎丛妍

IPC: G06F16/906 ,  G06N20/00

Abstract: 本发明提供了一种基于多子空间表示的偏多标记学习方法。该方法包括利用真实标记矩阵构建标记子空间，利用特征映射矩阵构建特征子空间，通过标记子空间和特征子空间学习得到基于多子空间表示的偏多标记学习模型；对基于多子空间表示的偏多标记学习模型进行交替优化训练学习，求解基于多子空间表示的偏多标记学习模型，得到最优的预测模型；将未知样本输入到最优的预测模型，最优的预测模型输出未知样本的标记信息。本发明解决了特征存在噪声和冗余标记的问题，使用映射矩阵将特征空间映射到子空间，减少特征噪声对预测模型的影响；使用矩阵分解技术将标记空间降维到标记子空间，使用图拉普拉斯约束标记子空间，消除冗余标记噪声对预测模型的影响。

公开(公告)号：CN109711254A

公开(公告)日：2019-05-03

申请号：CN201811404816.5

申请日：2018-11-23

Applicant: 北京交通大学

Inventor： 金一 ,  黄杨茹 ,  李哲 ,  钱晨 ,  李浥东 ,  郎丛妍

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于对抗生成网络的图像处理方法和装置，所述方法包括：步骤S1，获取第一人脸样本图像；获取第一人脸多属性条件；步骤S2，将所述第一人脸样本图像和所述第一人脸多属性条件，输入训练好的对抗生成网络的生成网络，得到第一合成图像；步骤S3，将所述第一合成图像作为符合所述第一人脸多属性条件的人脸图像，并输出。