[发明专利]一种基于核正负标签传播的数据分类方法及系统

摘要

本发明公开了一种基于核正负标签传播的数据分类方法，通过核函数将原始欧式空间的输入数据映射到更高维的核特征空间，并将负标签信息集成到传统的标签传播模型，提出一个统一的核正负标签传播模型，可用于自适应的数据分类。本发明方法将标签传播的领域范畴从原始欧式空间转换到核空间，并将标签传播过程与自适应权重学习过程集成并基于核空间进行。核正负标签传播模型为了实现数据线性不可分的问题，通过引入内积，将原始线性不可分的数据转换到高维的核空间，实现在高维核空间中线性可分的目的，增强分类能力。通过在核空间中同时最小化数据重构误差和标签分类误差，可获得自适应的权重系数，并可避免传统算法对近邻数的选择难问题。

主权项

1.一种基于核正负标签传播的数据分类方法，其特征在于，包括：1)、输入原始的训练集数据，对输入的训练集数据随机划分为有标签训练集和无标签训练集，获得初始化类别标签矩阵；2)、通过核函数将原始欧式空间的输入数据映射到更高维的核特征空间，将负标签信息传播与标签传播集成获得一个统一的联合框架,基于所述框架，在核空间中进行自适应权重学习和标签传播，实现数据重构误差和标签分类误差同时最小化；3)、利用迭代的优化方法对所述框架求解最小化问题，获得软标签矩阵，基于所述软标签矩阵确定无标签训练样本的对应类别。