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：南京理工大学
摘要：本发明公开了一种基于深度有监督特征选择的社会关系识别方法及系统，识别方法包括：通过多个特征提取器生成两个人之间关系的表示；将深度学习算法与l2,1范式相结合，通过学习稀疏加权矩阵从多源特征中选择最优特征子集；利用所选特征，使用Softmax分类器计算输入对在社会关系类别上的概率分布；权重矩阵稀疏优化。本发明通过更有效地提取多源属性特征，提高了社会关系识别的准确性。
主权项：1.一种基于深度有监督特征选择的社会关系识别方法，其特征在于，包括以下步骤：通过多个特征提取器生成两个人之间关系的表示；将深度学习算法与l2,1范式相结合，通过学习稀疏加权矩阵从多源特征中选择最优特征子集；利用所选特征，使用Softmax分类器计算输入对在社会关系类别上的概率分布；权重矩阵稀疏优化，使用l2,1稀疏权重矩阵，去除冗余特征；所述权重矩阵稀疏优化，具体包括如下步骤：在每次迭代中，抽取B组人像对表示为T，并最小化目标损失函数L，公式为： 其中gt是t组的真实关系，表示t组的预测为gt的概率，W代表了权重矩阵，它可以是基于组的特征选择策略中的权重wi或基于维度的特征选择策略中的权重上式中的第一项是交叉熵损失函数，其目的是训练Softmax分类器，第二项reg·表示权重矩阵的正则化；采用随机梯度下降算法学习最优权值；为了得到稀疏的权矩阵W，将损失函数l的正则化项用l2,1范数表示，参数α用于平衡其在损失函数中的影响；基于组的特征选择策略是在属性层面选择特征子集，其正则化项可写为： 其中||Wi||F是Wi的Frobenius范数；基于维度的特征选择策略是在维度层面上选择特征子集；根据上式，对权重矩阵应用l2,1范数，其正则化项可写为： 式中，表示的第r,c个元素，是的第c列向量；为了保证所提出策略在维度层面进行特征选择，强制权重矩阵中的每一列尽可能稀疏。
全文数据：
权利要求：
百度查询： 南京理工大学 基于深度有监督特征选择的社会关系识别方法及系统
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