[发明专利]一种基于KL散度优化的3D物体数据分类系统与方法有效
申请号: | 201811540690.4 | 申请日: | 2018-12-17 |
公开(公告)号: | CN109615014B | 公开(公告)日: | 2023-08-22 |
发明(设计)人: | 高跃;吉书仪;赵曦滨;黄晋 | 申请(专利权)人: | 清华大学 |
主分类号: | G06F18/2413 | 分类号: | G06F18/2413;G06F18/213;G06F18/214 |
代理公司: | 北京律谱知识产权代理有限公司 11457 | 代理人: | 黄云铎;罗建书 |
地址: | 100084*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种基于KL散度优化对3D物体数据进行分类的方法:将原始的图像、文本等数据进行数据预处理,将对象建模成多维分布;从有标签的训练数据中选择一定量的三元组进行模型训练;将所选择的三元组作为训练数据,在所有的均值向量上施加一个线性映射A并通过迭代优化学习最佳的线性映射,学习过程基于度量学习的基本假设,即同类样本之间的距离变小,不同类样本之间的距离变大;采用一种内蕴的梯度下降算法进行优化,将目标函数的梯度投影到同一个流形的切线空间之后,在给定一个仿射不变黎曼度量的SPD矩阵的流形上执行黎曼梯度下降;计算测试集与训练集之间的KL散度,采用K近邻(KNN)分类器对样本进行分类。本方法能够有效地提高系统的分类精度,并且拥有更稳定的性能。 | ||
搜索关键词: | 一种 基于 kl 优化 物体 数据 分类 系统 方法 | ||
【主权项】:
1.一种基于KL散度优化的数据分类系统,包括:特征提取模块、特征白化模块、多视图特征建模模块、训练数据选择模块、特征映射模块、多视图样本相似度计算模块、基于KL散度的优化模块、最优线性映射下基于KL散度度量的分类模块,其特征在于:特征提取模块用于从包括原始的图像、文本数据中提取出原始数据的多视图特征;特征白化模块将特征提取模块中提取出来的多视图特征统一投影至同一个低维空间之后对特征作白化处理,降低原始数据提取出的多视图特征的冗余,去除不同样本特征间的相关性,再将经过变换后的数据重新变换回原来的空间;多视图特征建模模块用于将特征白化模块处理过的多视图特征建模并进行表征;训练数据选择模块用于从有标签的训练数据中选择一定量的三元组进行模型训练;选择训练数据后,特征映射模块生成投影矩阵,将原有的数据特征映射到一个新的特征空间,在新的特征空间中,同类样本之间的距离变小,不同类样本之间的距离变大;然后,多视图样本相似度计算模块通过在新的特征空间中计算优化的KL散度来度量多视图样本的相似性;基于KL散度的优化模块,用于将KL散度的优化问题建模为一个在正定矩阵群流形上的最小化问题;利用特征映射模块、多视图数据相似度计算模块和基于KL散度的优化模块不断地重复训练模型,直至收敛,从而学习出最优线性映射;最优线性映射下基于KL散度度量的分类模块,用于使用学习到的最优线性映射将原始的数据特征映射到新的特征空间,基于测试集与训练集之间的KL散度,采用K近邻分类器对测试集样本进行分类。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201811540690.4/,转载请声明来源钻瓜专利网。
- 数据显示系统、数据中继设备、数据中继方法、数据系统、接收设备和数据读取方法
- 数据记录方法、数据记录装置、数据记录媒体、数据重播方法和数据重播装置
- 数据发送方法、数据发送系统、数据发送装置以及数据结构
- 数据显示系统、数据中继设备、数据中继方法及数据系统
- 数据嵌入装置、数据嵌入方法、数据提取装置及数据提取方法
- 数据管理装置、数据编辑装置、数据阅览装置、数据管理方法、数据编辑方法以及数据阅览方法
- 数据发送和数据接收设备、数据发送和数据接收方法
- 数据发送装置、数据接收装置、数据收发系统、数据发送方法、数据接收方法和数据收发方法
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置
- 数据发送方法、数据再现方法、数据发送装置及数据再现装置