[发明专利]一种基于嵌入编码学习的机器学习识别方法

权利要求书

1.一种基于嵌入编码学习的机器学习识别方法，其特征在于，包括如下步骤：

步骤一：获取图像数据作为训练的多媒体数据，在多个不同已知类别的多媒体数据之中选取目标识别样本和对比样本，作为一个机器学习模型f₁的输入，对机器学习模型f₁进行学习训练；所述机器学习模型f₁包括第一子学习模型f_DP和第二子函数模型f_E，所述第一子学习模型f_DP为卷积神经网络模型或全连接神经网络模型，所述第二子函数模型f_E为数据特征提取编码函数模型或数据降维编码函数模型；所选取的对比样本包含两个以上的不同类别的多个多媒体数据，且设置对比样本输入至机器学习模型f₁的输入排列顺序，将目标识别样本和对比样本分别作为所述第二子函数模型f_E的输入，由所述第二子函数模型f_E分别输出相对应的目标识别数据样本和对比数据样本，并根据对比样本输入排列顺序，将目标识别数据样本与对比数据样本以预设定的组合规则进行组合，由此形成保留有对比样本输入排列顺序规则的多个数据样本组合，再将各数据样本组合按照所述对比样本输入排列顺序规则排序构成一个数据向量，作为所述第一子学习模型f_DP的输入向量，且所述第一子学习模型f_DP的输出向量作为所述机器学习模型的结果向量；由此通过训练学习，使得学习训练所得的机器学习模型f₁输出的结果向量中的每一个结果向量元素用以表征目标识别样本与相应排列顺序位置上的一个对比样本所属类别之间的相关性，从而能够利用已知类别的多媒体数据样本采用不同的对比样本输入排列顺序对所述机器学习模型f₁进行多次的学习训练；

步骤二：将图像数据作为待识别的多媒体数据，利用学习训练后的机器学习模型f₁对待识别多媒体数据进行类别识别，进而实现对图像的分类识别。

2.根据权利要求1所述基于嵌入编码学习的机器学习识别方法，其特征在于，将目标识别样本和对比样本分别输入至第二子函数模型f_E得到相对应的目标识别数据样本和对比数据样本的具体方式为如下处理方式之中的一种：

处理方式①：将每个目标识别样本和每个对比样本分别输入至第二子函数模型f_E，得到每个目标识别样本相对应的目标识别数据样本，以及每个对比样本相对应的对比数据样本；

处理方式②：先将各个对比样本进行按类别划分，将目标识别样本作为整体输入至第二子函数模型f_E，将每个类别的对比样本分别输入至第二子函数模型f_E，从而得到目标识别样本整体相对应的目标识别数据样本，以及每个类别的对比样本相对应的对比数据样本。