公开(公告)号：CN117556349B

公开(公告)日：2024-08-13

申请号：CN202311469150.2

申请日：2023-11-07

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 刘成亮 ,  文杰 ,  唐瞻雁

IPC: G06F18/2431 ,  G06F18/214 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种不完备多视图不完备多标签分类方法和装置，包括：步骤S1、获取多视图多标签数据训练集及其对应的视图与标签缺失位置信息；步骤S2、将多视图数据训练集及其对应的视图与标签缺失位置信息作为不完备多视图多标签分类深度神经网络模型的输入，根据深度神经网络模型训练损失函数，得到输入数据在深度神经网络模型的总损失；步骤S3、将待处理的多视图数据及其对应的缺失视图位置信息输入到具有所述总损失函数的深度神经网络模型中进行不完备多视图数据的多标签分类。采用本发明的技术方案，以双分支深度神经网络模型作为框架，通过对比学习的方法提升嵌入特征的鉴别能力，进而提升模型在不完备多视图多标签分类任务上的分类性能。

公开(公告)号：CN117556349A

公开(公告)日：2024-02-13

申请号：CN202311469150.2

申请日：2023-11-07

Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)

Inventor： 刘成亮 ,  文杰 ,  唐瞻雁

IPC: G06F18/2431 ,  G06F18/214 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种不完备多视图不完备多标签分类方法和装置，包括：步骤S1、获取多视图多标签数据训练集及其对应的视图与标签缺失位置信息；步骤S2、将多视图数据训练集及其对应的视图与标签缺失位置信息作为不完备多视图多标签分类深度神经网络模型的输入，根据深度神经网络模型训练损失函数，得到输入数据在深度神经网络模型的总损失；步骤S3、将待处理的多视图数据及其对应的缺失视图位置信息输入到具有所述总损失函数的深度神经网络模型中进行不完备多视图数据的多标签分类。采用本发明的技术方案，以双分支深度神经网络模型作为框架，通过对比学习的方法提升嵌入特征的鉴别能力，进而提升模型在不完备多视图多标签分类任务上的分类性能。