[發明專利]基于多子空間表示的偏多標記學習方法

在審

• 申請號: 202010412162.1
• 申請日: 2020-05-15
• 公開（公告）號: CN111581469A
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 馮松鶴;李浥東;李子薇;金一;郎叢妍
• 申請（專利權）人: 北京交通大學
• 主分類號: G06F16/906
• 分類號: G06F16/906;G06N20/00
• 代理公司: 北京市商泰律師事務所 11255
• 代理人: 黃曉軍

1.一種基于多子空間表示的偏多標記學習方法，其特征在于，包括：

利用真實標記矩陣構建標記子空間，利用特征映射矩陣構建特征子空間，通過所述標記子空間和特征子空間學習得到基于多子空間表示的偏多標記學習模型；

對所述基于多子空間表示的偏多標記學習模型進行交替優化訓練學習，求解所述基于多子空間表示的偏多標記學習模型，得到最優的預測模型；

將未知樣本輸入到所述最優的預測模型，所述最優的預測模型輸出所述未知樣本的標記信息。

2.根據權利要求1所述的方法，其特征在于，所述的利用真實標記矩陣構建標記子空間包括：

將真實標記矩陣通過約減標記維度得到低維的標記子空間，將真實標記矩陣分解為如下兩個矩陣的結合：

U∈R^n×c表示經過維度約減后的真實標記子空間，P∈R^c×q表示標記關系矩陣；

通過最小化標記矩陣和子空間重構之間的誤差來獲得標記子空間，公式如下：

其中R(U，P)是正則化項，用來控制整個模型的復雜度；

定義一個兩兩相似性矩陣S∈R^n×n：

即若x_i和x_j互為近鄰那么S_ij等于計算出的兩個樣本之間的相似度，否則為0，通過最小化下列式子來引入圖拉普拉斯正則項：

其中是本模型中的圖拉普拉斯矩陣，其中是一個對角矩陣，該圖拉普拉斯正則項用于約束標記子空間與特征空間具有內在一致性。

3.根據權利要求2所述的方法，其特征在于，所述的利用特征映射矩陣構建特征子空間，通過所述標記子空間和特征子空間學習得到基于多子空間表示的偏多標記學習模型，包括：

設置特征映射矩陣Q∈R^d×m，利用所述特征映射矩陣Q將原始特征空間映射到低維子空間，得到特征子空間，該特征子空間表示如下：

X^TQ∈R^n×m

其中m是特征子空間的特征維度；

利用所述特征子空間和標記子空間，學習到從特征子空間到標記子空間的預測模型W∈R^m×c：

s.t.Q^TQ＝I

合并上述各項之后，得到如下的基于多子空間表示的偏多標記學習模型：

s.t.Q^TQ＝I

該項是本模型中P、U、W的正則項，用來控制模型的復雜度，α、β、γ是調節參數，用來保持模型的平衡。