-
公开(公告)号：CN108846412A
公开(公告)日：2018-11-20
申请号：CN201810431168.6
申请日：2018-05-08
Applicant: 复旦大学
IPC: G06K9/62
Abstract: 本发明属于机器学习算法技术领域，具体为一种泛化零样本学习的方法。本发明方法中，首先利用极值理论、韦伯-支持向量机、K-S检验技术，将特征空间分为三类：已知类即有样本的，未知类即零样本的，以及不确定类即既可能是已知类又可能是未知类的；对于已知类别直接利用监督学习的方法得到其类别名称；对于未知类别使用零样本学习的方法得到其类别的名称；对于不确定类，将其中最有可能的已知类和其他所有的未知类在语义空间进行可能性排序，并只考虑增加一种已知类在搜索域中；然后通过建立特征空间和语义空间的映射完成对类别的预测。本发明具有速度快、精度高、鲁棒性好等优点，统计意义、可解释性较强，可利用于零样本学习的实际应用。
Search Results
1
records
(took 0.013 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
