-
公开(公告)号：CN118964918A
公开(公告)日：2024-11-15
申请号：CN202411228297.7
申请日：2024-09-03
Applicant: 华侨大学
IPC: G06F18/211 , G06F18/214 , G06F18/24
Abstract: 本发明公开了一种基于特征选择的多情感音乐数据分类方法、装置及可读介质，包括：基于若干个具有已知情感标签的多情感音乐数据构造出特征空间矩阵和标记空间矩阵；从特征空间矩阵随机生成特征选择矩阵，基于特征空间矩阵和特征选择矩阵构造出具有结构化子空间的流形学习框架，通过潜在子空间探索音乐数据的相关性并构造出多情感音乐数据的几何结构，基于标记空间矩阵构造标记相关性模型，根据流形学习框架、几何结构和标记相关性模型构造出目标函数，对目标函数进行求解，得到优化后的特征选择矩阵，基于优化后的特征选择矩阵确定特征子集，基于特征子集训练分类器，经训练的分类器便可以对音乐数据进行分类，得到情感分类结果，能提高分类性能。
-
公开(公告)号：CN119312070A
公开(公告)日：2025-01-14
申请号：CN202411855277.2
申请日：2024-12-17
Applicant: 华侨大学
IPC: G06F18/2113 , G06N5/01 , G06V10/771 , G06F18/214 , G06F18/243
Abstract: 本发明提供一种偏多标签特征选择方法、装置、设备和介质，涉及数据预处理技术领域。方法包含S1、获取偏多标签的原始训练数据集，并根据原始训练数据集，初始化标签置信度矩阵，以及构建标签的分布区域。S2、根据近邻的分布，更新标签置信度矩阵，对不可信标签的分布区域进行消歧，以及对不确定标签的分布区域进行迭代更新，直至达到最大迭代次数，获取消歧后的标签。S3、根据消歧后的标签，结合粒度计算与图论，将标签从细粒度聚合到粗粒度，并构造虚拟粗粒度标签。S4、根据虚拟粗粒度标签，结合从样本数据中获取的多个特征，构建适用于偏多标记数据的邻域粗糙集模型，并采用前向贪婪搜索算法选择重要性最高的特征。
-
公开(公告)号：CN119149982A
公开(公告)日：2024-12-17
申请号：CN202411658867.6
申请日：2024-11-20
Applicant: 华侨大学
IPC: G06F18/211 , G06F16/35
Abstract: 本发明涉及一种标记松弛的多主题文本数据特征选择方法，涉及自然语言处理技术领域，方法包括：给定由特征空间和标记空间组成的多主题文本数据；使用非负标记松弛矩阵获得松弛后的标记空间；构建特征选择矩阵并进行分解得到结构化子空间和因子矩阵，挖掘特征之间和标记之间的结构化关系；构造损失函数并施加范数约束，对特征选择矩阵进行范数稀疏正则化，基于此构建总目标函数；再通过迭代求解总目标函数，获得最终特征选择矩阵；最后，利用最终特征选择矩阵选择特征以表征原始文本数据。本发明通过标记松弛、结构化子空间分解、稀疏正则化等技术手段，显著提高了多主题文本数据特征选择的准确性、解释性、泛化能力和计算效率。
-
公开(公告)号：CN118656797B
公开(公告)日：2024-12-06
申请号：CN202411146635.2
申请日：2024-08-21
Applicant: 华侨大学
Abstract: 本发明提供了用于动态流标签的偏标签特征选择方法、装置、设备及介质，包括：根据样本的概率分布动态调整候选标签为真标签的置信度，以实现标记的动态消歧；分析新到达标签与已消歧标签之间的动态关系，评估其对特征质量的影响，定义特征增强项，量化上述影响，减轻噪声标签对特征评估的误差；在此基础上，设计了基于最大条件相关和最小条件冗余的特征评估准则，该准则同时权衡了特征相对于当前标签和消歧后标签的重要性；构建一种特征融合策略，将动态流标签对应的特征集合进行融合，以获得最终的一组高质量特征。旨在处理标签动态到达的情况，消除标签噪声，并通过最大条件相关和最小条件冗余策略评估特征质量，从而提高学习模型的分类性能。
-
公开(公告)号：CN118656797A
公开(公告)日：2024-09-17
申请号：CN202411146635.2
申请日：2024-08-21
Applicant: 华侨大学
Abstract: 本发明提供了用于动态流标签的偏标签特征选择方法、装置、设备及介质，包括：根据样本的概率分布动态调整候选标签为真标签的置信度，以实现标记的动态消歧；分析新到达标签与已消歧标签之间的动态关系，评估其对特征质量的影响，定义特征增强项，量化上述影响，减轻噪声标签对特征评估的误差；在此基础上，设计了基于最大条件相关和最小条件冗余的特征评估准则，该准则同时权衡了特征相对于当前标签和消歧后标签的重要性；构建一种特征融合策略，将动态流标签对应的特征集合进行融合，以获得最终的一组高质量特征。旨在处理标签动态到达的情况，消除标签噪声，并通过最大条件相关和最小条件冗余策略评估特征质量，从而提高学习模型的分类性能。
-
Patent Agency Ranking
公开(公告)号：CN119312070B
公开(公告)日：2025-03-25
申请号：CN202411855277.2
申请日：2024-12-17
Applicant: 华侨大学
IPC: G06F18/2113 , G06N5/01 , G06V10/771 , G06F18/214 , G06F18/243
Abstract: 本发明提供一种偏多标签特征选择方法、装置、设备和介质，涉及数据预处理技术领域。方法包含S1、获取偏多标签的原始训练数据集，并根据原始训练数据集，初始化标签置信度矩阵，以及构建标签的分布区域。S2、根据近邻的分布，更新标签置信度矩阵，对不可信标签的分布区域进行消歧，以及对不确定标签的分布区域进行迭代更新，直至达到最大迭代次数，获取消歧后的标签。S3、根据消歧后的标签，结合粒度计算与图论，将标签从细粒度聚合到粗粒度，并构造虚拟粗粒度标签。S4、根据虚拟粗粒度标签，结合从样本数据中获取的多个特征，构建适用于偏多标记数据的邻域粗糙集模型，并采用前向贪婪搜索算法选择重要性最高的特征。
-
公开(公告)号：CN119274010B
公开(公告)日：2025-02-18
申请号：CN202411786389.7
申请日：2024-12-06
Applicant: 华侨大学
IPC: G06V10/771 , G06V10/77 , G06V10/776
Abstract: 本发明涉及图像处理技术领域，公开了一种利用数据重构的多标记图像数据特征选择方法及系统，方法包括以下步骤：提取多标记图像的特征空间和标记空间；采用低秩表示对特征空间进行重构，得到重构的特征空间；通过方向牵引矩阵对标记空间进行转换，得到重构的标记空间；将重构的特征空间投影到重构的标记空间以产生特征选择矩阵，对特征选择矩阵的稀疏正则化施加L2,1范数约束以获得目标函数；通过求解目标函数获得特征选择矩阵，得到最优特征子集。本发明利用低秩表示的动态特征关系图重构特征空间，引入方向牵引矩阵扰动原始二元标签空间重构标签空间，制定了多标记图像数据特征选择的目标函数，并引入了一种有效的优化策略来处理该函数。
-
公开(公告)号：CN119274010A
公开(公告)日：2025-01-07
申请号：CN202411786389.7
申请日：2024-12-06
Applicant: 华侨大学
IPC: G06V10/771 , G06V10/77 , G06V10/776
Abstract: 本发明涉及图像处理技术领域，公开了一种利用数据重构的多标记图像数据特征选择方法及系统，方法包括以下步骤：提取多标记图像的特征空间和标记空间；采用低秩表示对特征空间进行重构，得到重构的特征空间；通过方向牵引矩阵对标记空间进行转换，得到重构的标记空间；将重构的特征空间投影到重构的标记空间以产生特征选择矩阵，对特征选择矩阵的稀疏正则化施加L2,1范数约束以获得目标函数；通过求解目标函数获得特征选择矩阵，得到最优特征子集。本发明利用低秩表示的动态特征关系图重构特征空间，引入方向牵引矩阵扰动原始二元标签空间重构标签空间，制定了多标记图像数据特征选择的目标函数，并引入了一种有效的优化策略来处理该函数。
-
公开(公告)号：CN117992765A
公开(公告)日：2024-05-07
申请号：CN202410397200.9
申请日：2024-04-03
Applicant: 华侨大学
IPC: G06F18/21 , G06F18/214 , G06F18/24 , G06F18/23
Abstract: 本发明提供了基于动态新兴标记的偏标签学习方法、装置、设备及介质，涉及数据处理领域，该方法中首先通过基于概率估计的候选标签置信度和基于特征诱导的候选标签置信度更新两阶段交替过程，利用训练实例的近邻信息来迭代构建标签置信度矩阵，进而完成偏标记消歧；然后通过迭代过程产生的类属特征构建分类模型，集成多个类属特征空间对待测样本进行分类，检测待测样本是否具有新兴标记；最后构建模型更新策略使得模型可以适应新兴标记数据。本发明将集成思想与邻域知识应用于基于动态新兴标记的偏标签学习算法，为动态新兴标记的偏标记环境提供了一个高性能的分类算法。
-
公开(公告)号：CN119851318A
公开(公告)日：2025-04-18
申请号：CN202510336186.6
申请日：2025-03-21
Applicant: 华侨大学
IPC: G06V40/10 , G06V40/20 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 基于级联式并行的人物交互检测方法、装置、设备和介质，涉及图像识别技术领域。方法包含：获取待识别图像并提取图像特征，同时成图像特征的位置信息。迭代以下步骤#imgabs0#次后根据最后一次迭代的输出预测人物交互检测结果。根据图像特征和人物对先验边界框，生成人体查询向量和物体查询向量。根据人体查询向量解码得到人体解码特征。根据人体解码特征更新物体查询向量，然后根据更新后的物体查询向量解码得到物体解码特征。根据将人体解码特征和物体解码特征获取初始交互解码特征。根据人体解码特征、物体解码特征和初始交互解码特征获取多重关系特征，然后进行融合。根据融合的关系特征来增强初始交互解码特征，获取交互特征向量。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
