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
本发明公开了一种基于单正标签的多标记预测方法及系统，首先对样本数据进行解析预处理，得到样本特征数据和样本标记数据集；将预处理后的数据划分为训练集和验证集，对于训练集数据，基于标记的缺失性，构建预测模型和标记残差模型，利用样本特征空间和标记空间的相关性，构建样本特征空间相关性矩阵和标记空间相关性矩阵，利用库马尔‑约翰逊散度和约束条件构建训练模型；再在模型交替迭代中优化参数，得到最优多标记预测模型；最后计算测试集样本关于每个类别的描述度，利用阈值划分进行多标记预测。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116434273 A
(43)申请公布日 2023.07.14
(21)申请号 202310270107.7
(22)申请日 2023.03.20
(71)申请人 东南大学
地址 210096
文档评论（0）