公开(公告)号：CN119089335B

公开(公告)日：2025-02-18

申请号：CN202411579104.2

申请日：2024-11-07

Applicant: 华侨大学

Inventor： 孙真真 ,  单书豪 ,  陈旭

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/22 ,  G06V10/764 ,  G06V10/74 ,  G06V10/774

Abstract: 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。

公开(公告)号：CN119089335A

公开(公告)日：2024-12-06

申请号：CN202411579104.2

申请日：2024-11-07

Applicant: 华侨大学

Inventor： 孙真真 ,  单书豪 ,  陈旭

IPC: G06F18/2431 ,  G06F18/214 ,  G06F18/22 ,  G06V10/764 ,  G06V10/74 ,  G06V10/774

Abstract: 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。