公开(公告)号：CN106250914B

公开(公告)日：2019-07-09

申请号：CN201610581635.4

申请日：2016-07-22

Applicant: 华侨大学

Inventor： 彭佳林 ,  王烨 ,  王靖 ,  张洪博

IPC: G06K9/62

Abstract: 本发明公开了一种基于结构稀疏多核学习的多模态数据特征筛选和分类方法，包括：提取数据特征，并对特征进行归一化；利用核函数为数据的每个特征构建一个核矩阵；根据数据特征将所有特征和其对应的核函数进行分组；利用带有类标签的训练数据训练结构稀疏化多核分类模型，并优化模型参数；使用训练好的结构稀疏化多核分类模型对测试数据进行分类。本发明方法将数据特征的选择和数据模态融合在统一的结构稀疏化多核分类模型中进行建模，并将结构稀疏化特征选择和基于最优核表示的分类器学习同时进行，提供了一种多模态数据特征筛选、融合和分类方法。

公开(公告)号：CN106250914A

公开(公告)日：2016-12-21

申请号：CN201610581635.4

申请日：2016-07-22

Applicant: 华侨大学

Inventor： 彭佳林 ,  王烨 ,  王靖 ,  张洪博

IPC: G06K9/62

CPC classification number: G06K9/6268 ,  G06K9/6259

Abstract: 本发明公开了一种基于结构稀疏多核学习的多模态数据特征筛选和分类方法，包括：提取数据特征，并对特征进行归一化；利用核函数为数据的每个特征构建一个核矩阵；根据数据特征将所有特征和其对应的核函数进行分组；利用带有类标签的训练数据训练结构稀疏化多核分类模型，并优化模型参数；使用训练好的结构稀疏化多核分类模型对测试数据进行分类。本发明方法将数据特征的选择和数据模态融合在统一的结构稀疏化多核分类模型中进行建模，并将结构稀疏化特征选择和基于最优核表示的分类器学习同时进行，提供了一种多模态数据特征筛选、融合和分类方法。