[发明专利]一种基于密度语义子空间的文本与图像无标签识别的方法在审
| 申请号： | 201710561397.5 | 申请日： | 2017-07-11 |
| 公开（公告）号： | CN107341522A | 公开（公告）日： | 2017-11-10 |
| 发明（设计）人： | 田晋宇;曾俊杰;张太平;尚赵伟;唐远炎 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京同恒源知识产权代理有限公司11275 | 代理人： | 赵荣之 |
| 地址： | 400044 重*** | 国省代码： | 重庆;85 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于密度语义子空间的文本与图像无标签识别的方法，包括以下子步骤S1利用高斯核函数估计原始空间的样本密度；S2采用柯西核函数估计本征语义空间的密度；S3最小化目标函数，结合原始空间的样本密度函数和本征语义空间的密度函数得到目标函数，采用最速下降法将目标函数最小化，得到数据的低维语义空间表示；S4语义空间聚类，采用K均值算法来实现语义空间中的聚类。本发明通过学习高维流形到本征维数空间中的保局部体积的同胚变换来使得数据的流形结构清晰化，从而有效的解决了小样本聚类问题。 | ||
| 搜索关键词： | 一种 基于 密度 语义 空间 文本 图像 标签 识别 方法 | ||
【主权项】：
一种基于密度语义子空间的文本与图像无标签识别的方法，其特征在于：包括以下子步骤：S1：利用高斯核函数估计原始空间的样本密度；S2：采用柯西核函数估计本征语义空间的密度；S3：最小化目标函数，结合原始空间的样本密度函数和本征语义空间的密度函数得到目标函数，采用最速下降法将目标函数最小化，得到数据的低维语义空间表示；S4：语义空间聚类，采用K均值算法来实现语义空间中的聚类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆大学，未经重庆大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710561397.5/，转载请声明来源钻瓜专利网。
