[發(fā)明專利]一種基于非對(duì)稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710271412.2
• 申請(qǐng)日: 2017-04-24
• 公開(kāi)（公告）號(hào): CN107423749A
• 公開(kāi)（公告）日: 2017-12-01
• 發(fā)明（設(shè)計(jì)）人: 吳健;張宇;徐在俊
• 申請(qǐng)（專利權(quán)）人: 蘇州融希信息科技有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司11227
• 代理人: 羅滿

1.一種基于非對(duì)稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法，其特征在于，包括：

獲取原始樣本對(duì)應(yīng)的標(biāo)簽集合，計(jì)算所述標(biāo)簽集合中各標(biāo)簽與其余標(biāo)簽的非對(duì)稱條件依賴關(guān)系以得到所述標(biāo)簽集合對(duì)應(yīng)的非對(duì)稱條件依賴矩陣；

對(duì)所述非對(duì)稱條件依賴矩陣歸一化處理得到對(duì)應(yīng)的權(quán)重矩陣；

通過(guò)所述權(quán)重矩陣上的各元素計(jì)算各樣本-標(biāo)簽對(duì)的信息量；

篩選出信息量最大的樣本-標(biāo)簽對(duì)作為預(yù)先建立的半監(jiān)督主動(dòng)學(xué)習(xí)模型的輸入對(duì)象，并進(jìn)行主動(dòng)學(xué)習(xí)。

2.根據(jù)權(quán)利要求1所述的基于非對(duì)稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法，其特征在于，所述計(jì)算所述標(biāo)簽集合中各標(biāo)簽與其余標(biāo)簽的非對(duì)稱條件依賴關(guān)系以得到所述標(biāo)簽集合對(duì)應(yīng)的非對(duì)稱條件依賴矩陣具體包括：

在所述標(biāo)簽集合中按照預(yù)處理規(guī)則篩選出存在依賴關(guān)系的各對(duì)標(biāo)簽；

分別為各對(duì)標(biāo)簽構(gòu)建多個(gè)基于概率分布的二類分類器模型；

在所述標(biāo)簽集合上進(jìn)行k次交叉驗(yàn)證，分別獲取各所述二類分類器模型與對(duì)應(yīng)的標(biāo)簽的k次平均分類準(zhǔn)確率；

按照T-檢驗(yàn)計(jì)算各標(biāo)簽得到的所述k次分均分類準(zhǔn)確率的T-檢驗(yàn)值以作為所述依賴結(jié)果將各所述依賴結(jié)果組成所述非對(duì)稱條件依賴矩陣。

3.根據(jù)權(quán)利要求2所述的基于非對(duì)稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法，其特征在于，所述二類分類器模型的數(shù)量為四個(gè)。

4.根據(jù)權(quán)利要求1所述的基于非對(duì)稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法，其特征在于，所述權(quán)重矩陣具體通過(guò)計(jì)算所述非對(duì)稱條件依賴矩陣中各標(biāo)簽與其余標(biāo)簽的影響權(quán)重得到；

其中，任意標(biāo)簽與自身標(biāo)簽的影響權(quán)重為1。

5.根據(jù)權(quán)利要求1所述的基于非對(duì)稱條件依賴的多標(biāo)簽主動(dòng)學(xué)習(xí)方法，其特征在于，所述信息量具體通過(guò)所述權(quán)重矩陣上的交叉標(biāo)簽的不確定性得到。