一种基于一致性和特异性子空间的多视图多标签分类方法

    公开(公告)号:CN118429711B

    公开(公告)日:2025-03-28

    申请号:CN202410564130.1

    申请日:2024-05-08

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于一致性和特异性子空间的多视图多标签分类方法,涉及多视图多标签子空间技术领域,S1.获取多视图多标记图像数据集,进行预处理;S2.通过核函数将数据集的各个实例的特征向量映射到高维空间;S3.基于多视图数据的一致性和特异性构造子空间并利用每个信息源的特征表征及其类别信息分别构造特征流形和标记流形结构。本发明所述的一种基于一致性和特异性子空间的多视图多标签分类方法,首先通过核函数将多视图数据扩展至非线性空间,然后提出一种凸松弛交替优化的算法来恢复一致性子空间和特异性子空间;在此基础上,利用特征流形和标记流形增强模型泛化性,从而为多视图多标记分类难题提供更为准确和有效的解决方案。

    一种基于一致性和特异性子空间的多视图多标签分类方法

    公开(公告)号:CN118429711A

    公开(公告)日:2024-08-02

    申请号:CN202410564130.1

    申请日:2024-05-08

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于一致性和特异性子空间的多视图多标签分类方法,涉及多视图多标签子空间技术领域,S1.获取多视图多标记数据集,进行预处理;S2.通过核函数将数据集的各个实例的特征向量映射到高维空间;S3.基于多视图数据的一致性和特异性构造子空间并利用每个信息源的特征表征及其类别信息分别构造特征流形和标记流形结构。本发明所述的一种基于一致性和特异性子空间的多视图多标签分类方法,首先通过核函数将多视图数据扩展至非线性空间,然后提出一种凸松弛交替优化的算法来恢复一致性子空间和特异性子空间;在此基础上,利用特征流形和标记流形增强模型泛化性,从而为多视图多标记分类难题提供更为准确和有效的解决方案。

Patent Agency Ranking