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实例相关性消除噪声标记的偏多标记学习方法，首先，分解给定实例的候选标记矩阵为真实标记矩阵和噪声标记矩阵的加和，通过两个小矩阵的乘积来近似真实标记矩阵，并引入L1范数正则化来约束噪声标记矩阵；利用核函数将实例的特征向量映射到高维空间，同时捕获实例间的线性和非线性相关性；构建目标函数并通过交替优化实现偏多标记学习；最后，通过从特征空间到标记空间的线性映射来预测新的未见实例的相关标记。本发明将噪声标记消除和实际相关标记预测整合为一个联合优化问题，同时考虑实例之间的线性和非线性相关性
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117668548A
(43)申请公布日2024.03.08
(21)申请号202311661724.6
(22)申请日2023.12.06
(71)申请人江苏警官学院
地址210031
文档评论（0）