欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202310569454X
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于稀疏学习耦合互信息的多标签特征选择方法,应用于图像分析,其特征在于,包括以下步骤:S1、输入特征矩阵X、标签矩阵Y及超参数,选择特征数k,根据输入的特征矩阵X和标签矩阵Y初始化标签相关矩阵Z和特征相关矩阵W;

S2、根据特征矩阵X计算对角矩阵A以及相似矩阵S,并计算特征矩阵X的图拉普拉斯相似矩阵Lx;

S3、通过目标函数更新标签相关矩阵Z和特征相关矩阵W,迭代n次,目标函数达到收敛条件后,得到更新后的标签相关矩阵Zn和更新后的特征相关矩阵Wn;

S4、根据Wn的2-范数得到被选择的k个特征;

S5、通过试验验证上述方法,试验数据来源于Flags数据集,Flags数据集来自图像区域,原始数据可以在UCI数据库中找到;

步骤S1中,根据输入的特征矩阵X和标签矩阵Y初始化标签相关矩阵Z和特征相关矩阵W的方法为:计算初始的标签相关矩阵C和初始的特征相关矩阵D,并使Z=C,W=D,其中,;

;

表示矩阵C中第行、第个元素,表示矩阵D中第行、第个元素,为互信息,表示第个标签,表示第个特征,表示第个标签,表示第个特征;

步骤S2中,相似矩阵S的计算公式如下:;

表示矩阵S中第行、第个元素,为自然对数,为超参数,Np(XWj.)代表矩阵XW中距离第个向量最近的p个向量构成的集合;

对角矩阵A的计算公式为:

;

其中,为第i行、第i个元素;

图拉普拉斯相似矩阵Lx计算公式如下:;

步骤S3中,通过目标函数更新矩阵Z和W包括:目标函数为:

;

其中,、、均为福比尼乌斯范数,为2-1范数,Tr代表矩阵的迹;

通过在KKT条件下对目标函数求导,标签相关矩阵Z的更新公式如下:;

特征相关矩阵W的更新公式如下:;

其中,t代表第t次迭代的结果,XT,YT为矩阵X,Y的转置;

步骤S3中,迭代n次,目标函数达到收敛条件包括:根据迭代过程中的Wn,Zn计算目标函数的值Fn,通过Fn计算Cver:;

当Cver小于0.001时,目标函数收敛。

2.根据权利要求1所述的一种基于稀疏学习耦合互信息的多标签特征选择方法,其特征在于,步骤S4中,根据Wn的2-范数得到被选择的个特征包括:计算Wn的2-范数,其中,为更新后特征相关矩阵Wn的第行,选择最大的k个特征。