首页> 中国专利> 同时学习关联矩阵和拉普拉斯正则化最小二乘的半监督分类方法

同时学习关联矩阵和拉普拉斯正则化最小二乘的半监督分类方法

页面导航

摘要
著录项
法律信息
相似文献

摘要

本发明公开了一种同时学习关联矩阵和拉普拉斯正则化最小二乘的半监督分类方法，主要包括以下步骤：首先根据训练样本建立一种同时学习关联矩阵和拉普拉斯正则化最小二乘的联合模型；其次采用块坐标下降法对模型中的各类变量进行迭代优化；最后用拉普拉斯正则化最小二乘分类器获取样本的软标签，并选取标签向量中元素最大的那个维度作为样本的类别。该发明将样本的稀疏自表示问题和拉普拉斯正则化最小二乘分类器有效地融合在一起，并在学习过程中实现样本关联矩阵和拉普拉斯正则化最小二乘分类器的同时优化及相互改善。本发明具有显式的分类器函数，从而能够有效地处理外来样本的问题。相对于其它的半监督分类方法，该方法具有更准确的分类正确率，有很好的应用前景。

著录项

公开/公告号CN108805155A

专利类型发明专利
公开/公告日2018-11-13

原文格式PDF
申请/专利权人温州大学苍南研究院;
展开▼

申请/专利号CN201810233453.7
发明设计人王迪;张磊;张笑钦;古楠楠;叶修梓;
展开▼

申请日2018-03-21
分类号G06K9/62(20060101);
代理机构33258 温州名创知识产权代理有限公司;
代理人陈加利
地址 325000 浙江省温州市苍南县灵溪镇长海西电商科技园14栋D区二楼203室
入库时间 2023-06-19 07:09:32

法律信息

法律状态公告日

法律状态信息

法律状态
2018-12-07

实质审查的生效 IPC(主分类):G06K9/62 申请日:20180321

实质审查的生效
2018-11-13

公开

公开

相似文献

专利
中文文献
外文文献

1. 同时学习关联矩阵和拉普拉斯正则化最小二乘的半监督分类方法 [P] . 中国专利： CN108805155A . 2018-11-13
2. 基于原子拉普拉斯图正则化的半监督字典学习的样本类别归类方法 [P] . 中国专利： CN108564107A . 2018-09-21
3. Semi-Supervised Learning Framework based on Cox and AFT Models with L1/2 Regularization for Patient's Survival Prediction [P] . 美国专利： US2017024529A1 . 2017-01-26

机译：基于Cox和AFT模型的L1 / 2正则化半监督学习框架，用于患者生存预测
4. Semi-Supervised Learning Framework based on Cox and AFT Models with L1/2 Regularization for Patient’s Survival Prediction [P] . AU2015101194A4 . 2015-10-08

机译：基于Cox和AFT模型以及L1 / 2正则化的半监督学习框架，用于患者的生存预测
5. Semi-supervised learning based on semiparametric regularization [P] . 美国专利： US8527432B1 . 2013-09-03

机译：基于半参数正则化的半监督学习