[发明专利]一种多标记学习方法在审
| 申请号： | 201810062864.4 | 申请日： | 2018-01-23 |
| 公开（公告）号： | CN108364073A | 公开（公告）日： | 2018-08-03 |
| 发明（设计）人： | 黄明;庄福振;敖翔;罗平;何清 | 申请（专利权）人： | 中国科学院计算技术研究所 |
| 主分类号： | G06N99/00 | 分类号： | G06N99/00 |
| 代理公司： | 北京泛华伟业知识产权代理有限公司 11280 | 代理人： | 王勇 |
| 地址： | 100190 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供一种多标记学习模型的训练方法。该方法包括以下：利用给定的多标记数据训练集对包含自动编码机和多分类模型的多标记学习模型进行训练；检查所述多标记学习模型的损失函数，所述多标记学习模型的损失函数包括所述自动编码机的损失项以及所述多分类模型的损失项；在所述损失函数不满足预定的精度要求时，迭代所述自动编码机和所述多分类模型的相关参数；获得所述多分类模型对应的训练分类器以及所述自动编码机的优化权重矩阵和偏置向量。采用本发明获得的训练模型对数据进行多分类，能够有效的利用大量未标记的数据，提高了分类的精确度。 | ||
| 搜索关键词： | 多标记 多分类模型 自动编码 损失函数 学习 训练分类器 精度要求 权重矩阵 数据训练 相关参数 训练模型 分类 迭代 偏置 向量 优化 检查 | ||
【主权项】：
1.一种多标记学习模型的训练方法，包括以下步骤：步骤1：利用给定的多标记数据训练集对包含自动编码机和多分类模型的多标记学习模型进行训练，其中，在训练过程中，所述自动编码机用于对所述多标记数据训练集进行特征提取，所述多分类模型以经过特征提取之后的多标记数据训练集为输入进行训练；步骤2：检查所述多标记学习模型的损失函数，所述多标记学习模型的损失函数包括所述自动编码机的损失项以及所述多分类模型的损失项；步骤3：在所述损失函数不满足预定的精度要求时，迭代所述自动编码机和所述多分类模型的相关参数，执行步骤1‑2；步骤4：获得所述多分类模型对应的训练分类器以及所述自动编码机的优化权重矩阵和偏置向量。
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中国科学院计算技术研究所，未经中国科学院计算技术研究所许可，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/201810062864.4/，转载请声明来源钻瓜专利网。
