公开(公告)号：CN111160398B

公开(公告)日：2022-08-23

申请号：CN201911241296.5

申请日：2019-12-06

Applicant: 重庆邮电大学

Inventor： 李伟生 ,  朱月新

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06K9/62

Abstract: 本发明请求保护一种基于示例级和标签级关联的缺失标签多标签分类方法，包括步骤：S1输入训练样本的特征矩阵，通过线性重组策略构建基于特征的样本近邻图，来挖掘样本的几何结构信息，得到示例级的关联矩阵；S2输入训练样本的标签矩阵，通过低秩表示的方法构建基于标签的语义关联图，来挖掘标签的语义关联信息，得到标签级的关联矩阵；S3利用拉普拉斯流形正则化将这两种标签关联构造为两个正则化项；S4构造目标函数并对其进行求解。本发明同时结合了示例级和标签级的关联性，能够有效提升多标签分类方法在标签部分缺失的情况下的分类效果。

公开(公告)号：CN111160398A

公开(公告)日：2020-05-15

申请号：CN201911241296.5

申请日：2019-12-06

Applicant: 重庆邮电大学

Inventor： 李伟生 ,  朱月新

IPC: G06K9/62

Abstract: 本发明请求保护一种基于示例级和标签级关联的缺失标签多标签分类方法，包括步骤：S1输入训练样本的特征矩阵，通过线性重组策略构建基于特征的样本近邻图，来挖掘样本的几何结构信息，得到示例级的关联矩阵；S2输入训练样本的标签矩阵，通过低秩表示的方法构建基于标签的语义关联图，来挖掘标签的语义关联信息，得到标签级的关联矩阵；S3利用拉普拉斯流形正则化将这两种标签关联构造为两个正则化项；S4构造目标函数并对其进行求解。本发明同时结合了示例级和标签级的关联性，能够有效提升多标签分类方法在标签部分缺失的情况下的分类效果。