龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：成都工业学院
摘要：本发明公开了基于全局‑局部标签特定特征学习增强标签相关性的方法，所述方法依赖于Lasso回归的稀疏性假设T1，并确保不会丢失必要的标签特定特征T2；通过对具有高标签相关性的样本应用约束T6，将标签特定特征用作相关标签之间强相关性的指示器T4；引入L2正则化来学习全局标签相关性T3，通过使用二元交叉熵和Lasso损失函数T5、T1将预测结果与真实标签的差异最小化；迭代将持续进行，直到收敛，输出结果是矩阵W；测试样本标签集Y是通过测试样本X’与回归系数矩阵W相乘获得的。本发明采用迭代方法来推断和更新缺失的标签值，从而恢复完整的标签矩阵，减少了手动计算和工作量，同时获得了更准确的标签相关性。
主权项：1.基于全局-局部标签特定特征学习增强标签相关性的方法，其特征在于，所述方法依赖于Lasso回归的稀疏性假设T1，并确保不会丢失必要的标签特定特征T2；通过对具有高标签相关性的样本应用约束T6，提高完成的标签矩阵的准确性；为了鲁棒地处理缺失标签，将标签特定特征用作相关标签之间强相关性的指示器T4；引入L2正则化来学习全局标签相关性T3以用于标签特定特征；通过使用二元交叉熵和Lasso损失函数T5、T1将预测结果与真实标签的差异最小化；迭代将持续进行，直到收敛，输出结果是回归系数矩阵W；测试样本标签集Y是通过测试样本X’与回归系数矩阵W相乘获得的，输出结果大于0.5的值，则包含相应的标签，否则不包含相应的标签。
全文数据：
权利要求：
百度查询： 成都工业学院 基于全局-局部标签特定特征学习增强标签相关性的方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号