[发明专利]一种基于流形迁移学习的数据标定方法及系统

权利要求书

1.一种基于流形迁移学习的数据标定方法，其特征在于，包括：

步骤1、获取已标定标签的特征数据作为源域，获取待标定标签的特征数据作为目标域，对该源域和该目标域分别进行主成分分析，得到源特征向量和目标特征向量；

步骤2、将该源特征向量和该目标特征向量分别映射至流形空间，以得到该源域在该流形空间中的源流形特征和该目标域在该流形空间中的目标流形特征；

步骤3、统计该源域具有的标签种类，并根据该标签种类下的特征数据个数，得到每一类标签下该源流形特征的平均值，并根据该平均值和该目标流形特征间的距离，为该目标域中的特征数据标定标签。

2.如权利要求1所述的基于流形迁移学习的数据标定方法，其特征在于，步骤2中该流形空间为格拉斯曼流形空间。

3.如权利要求2所述的基于流形迁移学习的数据标定方法，其特征在于，通过将该源特征向量和该目标特征向量分别映射至该格拉斯曼流形空间，其中z为该源流形特征或该目标流形特征，x为该源特征向量或该目标特征向量，G的确定方法包括：

P_s为该源特征向量，R_s是和P_s正交的矩阵，T代表矩阵的转置，Λ₁，Λ₂，Λ₃均为对角矩阵，U₁、U₂分别为P_s和R_s的矩阵奇异值分解结果。

4.如权利要求1所述的基于流形迁移学习的数据标定方法，其特征在于，该步骤3包括：用二值化变量T_ct来标识该目标域中特征数据t是否属于第c类标签，T_ct通过最小化下式得到：

式中d_ct表示该特征数据t到源域数据第c类标签的距离。

5.如权利要求4所述的基于流形迁移学习的数据标定方法，其特征在于，该特征数据t到源域数据第c类标签的距离d_ct的计算方法包括：

式中zt为该特征数据t在流形空间中的特征，S_c为该平均值。

6.一种基于流形迁移学习的数据标定系统，其特征在于，包括：

主成分分析模块，用于获取已标定标签的特征数据作为源域，获取待标定标签的特征数据作为目标域，对该源域和该目标域分别进行主成分分析，得到源特征向量和目标特征向量；

流形空间映射模块，用于将该源特征向量和该目标特征向量分别映射至流形空间，以得到该源域在该流形空间中的源流形特征和该目标域在该流形空间中的目标流形特征；

标签标定模块，用于统计该源域具有的标签种类，并根据该标签种类下的特征数据个数，得到每一类标签下该源流形特征的平均值，并根据该平均值和该目标流形特征间的距离，为该目标域中的特征数据标定标签。

7.如权利要求6所述的基于流形迁移学习的数据标定系统，其特征在于，流形空间映射模块中该流形空间为格拉斯曼流形空间。

8.如权利要求7所述的基于流形迁移学习的数据标定系统，其特征在于，通过将该源特征向量和该目标特征向量分别映射至该格拉斯曼流形空间，其中z为该源流形特征或该目标流形特征，x为该源特征向量或该目标特征向量，G的确定方法包括：

P_s为该源特征向量，R_s是和P_s正交的矩阵，T代表矩阵的转置，Λ₁，Λ₂，Λ₃均为对角矩阵，U₁、U₂分别为P_s和R_s的矩阵奇异值分解结果。