公开(公告)号：CN110046660B

公开(公告)日：2023-06-27

申请号：CN201910283993.0

申请日：2019-04-10

Applicant: 江南大学

Inventor： 张涛 ,  冯长安 ,  刘敏杰 ,  葛格 ,  潘祥 ,  石慧 ,  许志强 ,  崔光明

IPC: G06V10/762 ,  G06V10/774 ,  G06V10/764

Abstract: 本发明公开了一种基于半监督学习的乘积量化方法，其是一种基于普通笛卡尔K均值的算法的改进算法，即半监督笛卡尔K均值算法。在本算法中，需要将量化步骤中的传统的最小平方损失函数替换成最优反向预测损失函数。传统的半监督学习会将有标记的数据直接用于模型训练，不同于传统半监督学习模型，有标记的数据必须通过先通过拉普拉斯正则化，才能用于模型训练。

公开(公告)号：CN110046660A

公开(公告)日：2019-07-23

申请号：CN201910283993.0

申请日：2019-04-10

Applicant: 江南大学

Inventor： 张涛 ,  冯长安 ,  刘敏杰 ,  葛格 ,  潘祥 ,  石慧 ,  许志强 ,  崔光明

IPC: G06K9/62

Abstract: 本发明公开了一种基于半监督学习的乘积量化方法，其是一种基于普通笛卡尔K均值的算法的改进算法，即半监督笛卡尔K均值算法。在本算法中，需要将量化步骤中的传统的最小平方损失函数替换成最优反向预测损失函数。传统的半监督学习会将有标记的数据直接用于模型训练，不同于传统半监督学习模型，有标记的数据必须通过先通过拉普拉斯正则化，才能用于模型训练。