[发明专利]一种基于标记协方差和多标记分类的联合学习方法

摘要

本发明公开了一种基于标记协方差和多标记分类的联合学习方法，主要考虑同时学习多标记分类模型、自动划分样本的相关标记和不相关标记的阈值函数以及标记相关性问题，包含如下步骤标记相关性矩阵初始化；运用标记协方差和多标记分类的联合学习算法习得到分类模型参数、标记相关性以及阈值函数所对应的参数；模型预测；本发明以支持向量机模型为基础，将标记之间的相关性和标记集分割策略嵌入SVM模型中，以用于多标记数据的分类，以此来提高多标记数据的分类精度，此外，本发明中将正则化技术运用在模型中，以控制联合学习模型中分类模型的复杂度和标记相关性的大小，防止过拟合，进一步提高多标记数据的分类效果。

主权项

基于标记协方差和多标记分类的联合学习方法，其特征在于，包括如下步骤：步骤1)，标记相关性矩阵初始化为单位矩阵，即假设初始化时同一标记之间是相关的，而不同标记之间不相关；步骤2)，运用标记协方差和多标记分类的联合学习算法JLSML学习得到分类模型参数、标记相关性以及阈值函数所对应的参数：交替迭代更新标记相关性矩阵、分类器参数和阈值函数所对应的参数，直到满足迭代终止条件输出学习得到的分类模型参数、标记相关性以及阈值函数所对应的参数；步骤3)，模型预测：首先运用学习得到的分类模型参数、阈值函数所对应的参数进行标记预测，得到分类结果；然后根据多标记数据的分类模型预测所有待分类的多标记数据的标记；最后输出多标记数据的分类结果。