-
公开(公告)号：CN102314614B
公开(公告)日：2013-06-05
申请号：CN201110324600.X
申请日：2011-10-24
Applicant: 北京大学
IPC: G06K9/62
Abstract: 一种基于类共享多核学习的图像语义分类方法，涉及人工智能领域。预处理阶段，提取图像的底层特征并计算多核矩阵；建模阶段，构建一个类共享的多核分类器模型；参数学习阶段，在统一的框架内对多个类别的分类器参数、基础多核函数权重及类别相关的多核函数权重进行优化；图像分类阶段，对待分类的样本，利用学习好的分类器进行图像分类。本发明一方面通过共享一组基础多核函数权重挖掘各个类别在多核函数空间中共有的隐含知识，另一方面对不同类别具有类别相关的多核函数权重，以考虑各个类别在多核函数空间的个性。根据训练数据的充分程度，提供了多核函数组合在类别间相互独立、部分共享或者完全共享的多核分类方法。
-
公开(公告)号：CN102314614A
公开(公告)日：2012-01-11
申请号：CN201110324600.X
申请日：2011-10-24
Applicant: 北京大学
IPC: G06K9/62
Abstract: 一种基于类共享多核学习的图像语义分类方法，涉及人工智能领域。预处理阶段，提取图像的底层特征并计算多核矩阵；建模阶段，构建一个类共享的多核分类器模型；参数学习阶段，在统一的框架内对多个类别的分类器参数、基础多核函数权重及类别相关的多核函数权重进行优化；图像分类阶段，对待分类的样本，利用学习好的分类器进行图像分类。本发明一方面通过共享一组基础多核函数权重挖掘各个类别在多核函数空间中共有的隐含知识，另一方面对不同类别具有类别相关的多核函数权重，以考虑各个类别在多核函数空间的个性。根据训练数据的充分程度，提供了多核函数组合在类别间相互独立、部分共享或者完全共享的多核分类方法。
-
公开(公告)号：CN101482926B
公开(公告)日：2011-06-15
申请号：CN200910077364.9
申请日：2009-02-19
Applicant: 北京大学
Abstract: 一种可伸缩的自适应多核分类方法，涉及人工智能领域，特别是数据挖掘技术。预处理阶段，得到多核矩阵；建模阶段，构建一个簇相关的多核分类器；参数学习阶段，在统一的框架内对分类器参数及多组多核权值参数进行优化；数据分类阶段，对待分类的样本，首先确定其属于哪一个簇，再利用学习好的分类器进行数据分类。本发明通过引入中间表达“簇”挖掘复杂数据集的类间相关性和类内多样性，建立了簇相关的自适应和可伸缩多核分类器，并通过迭代的方式在统一的学习框架下优化分类器参数和多组多核权值参数。面对类别繁多且特征表现复杂的数据分类问题，解决类间相关性和类内多样性带来的数据混叠问题，提高了分类准确率，且分类效果更为鲁棒。
-
公开(公告)号：CN101482926A
公开(公告)日：2009-07-15
申请号：CN200910077364.9
申请日：2009-02-19
Applicant: 北京大学
Abstract: 一种可伸缩的自适应多核分类方法，涉及人工智能领域，特别是数据挖掘技术。预处理阶段，得到多核矩阵；建模阶段，构建一个簇相关的多核分类器；参数学习阶段，在统一的框架内对分类器参数及多组多核权值参数进行优化；数据分类阶段，对待分类的样本，首先确定其属于哪一个簇，再利用学习好的分类器进行数据分类。本发明通过引入中间表达“簇”挖掘复杂数据集的类间相关性和类内多样性，建立了簇相关的自适应和可伸缩多核分类器，并通过迭代的方式在统一的学习框架下优化分类器参数和多组多核权值参数。面对类别繁多且特征表现复杂的数据分类问题，解决类间相关性和类内多样性带来的数据混叠问题，提高了分类准确率，且分类效果更为鲁棒。
-
-
-
Search Results
4
records
(took 0.021 seconds)
