公开(公告)号：CN117935859A

公开(公告)日：2024-04-26

申请号：CN202410107121.X

申请日：2024-01-25

Applicant: 浙江工商大学

Inventor： 杨涛 ,  刘海波 ,  马希骜

IPC: G10L25/51 ,  G10L25/30

Abstract: 本发明属于机器学习和模式识别领域，涉及一种融合特征相似性的偏多标签音乐风格特征选择方法。本发明融合特征相识性构造了一个偏多标签音乐风格特征选择方法，其通过将候选音乐风格标签分为真实音乐风格标签和噪声音乐风格标签，然后分别利用特征相似性限制映射到真实标签的系数矩阵W和映射到噪声标签的系数矩阵S，并利用一个偏多标签分类器限制W和S的和矩阵H，最后，通过W矩阵给特征打分选择相关的音乐风格特征。其降低问题难度，提升了多标签k近邻(MLKNN)模型的性能。

公开(公告)号：CN117496297A

公开(公告)日：2024-02-02

申请号：CN202311430256.1

申请日：2023-10-31

Applicant: 浙江工商大学

Inventor： 刘海波 ,  陆科丞 ,  马希骜

IPC: G06V10/774 ,  G06V10/764 ,  G06F17/16 ,  G06V10/77

Abstract: 本发明提供一种基于局部判别模型的图像偏多标签特征选择方法，实现了降低模型复杂度和提升准确性的效果。本发明包括以下步骤：给定偏多标签图像样本集合和指定的特征子集维度，并对偏多标签图像样本集合进行划分；对训练图像样本集中的每张图像样本构造局部集和局部总体散度矩阵；计算局部判别分数；定义目标函数；使用交替求解法最小化目标函数求解，对每一个行向量计算二范数得到图像特征的打分值，然后选取打分降序的前M个图像特征；利用选取的图像特征对训练集和测试集进行降维，分别得到降维后训练图像样本集和降维后的测试图像样本集，然后将降维后的训练样本集输入多标签k近邻模型进行训练，得到训练后的多标签k近邻模型。