原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明适用计算机技术领域，提供了一种训练、特征提取、分类方法、设备及存储介质，通过构建由低维图嵌入损失项、稀疏投影损失项及分类损失项组成的目标损失函数，以高维样本特征集合以及高维样本分类标签作为输入，迭代优化求解该目标损失函数，从而最终得到投影矩阵，利用该投影矩阵即可进行相应的特征提取及分类。这样，由于目标损失函数中同时进行了低维图嵌入和稀疏投影学习，而且显式地表达了分类误差，从而能够得到更具判别力的特征，具有鲁棒性，并有效提高了算法的性能。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 110717519 A
(43)申请公布日
2020.01.21
(21)申请号 20191
文档评论（0）