[发明专利]大规模跨媒体数据分布式半监督内容识别分类方法及装置

摘要

本发明公开了一种大规模跨媒体数据分布式半监督内容识别分类方法及装置，其根据不同模态特征之间数据的内在联系，既利用有便签的数据又考虑无标签的数据，挖掘出其间共存的信息，通过二值化约束来加速计算，并通过多分类的回归模型，调整基于共存信息的回归系数，使模型更准确的预测出分类标签。为了减少二值化变换所带来的信息损失，我们在共存信息上施加软约束条件，通过多次迭代逐步使数据趋向于二值化。相比于现有的快速学习分类技术，本发明提出的分类方法在准确率，效率和处理的数据规模上都有了很大的提高。

主权项

一种大规模跨媒体数据分布式半监督内容识别分类方法，包括如下步骤： S10：对分类样本的各种类型数据的特征进行抽取，将跨媒体数据转化成可用于分类的数值型数据； S20：对步骤S10中输入的转化后的数值型数据以及相应的标签信息，建立数学模型； S30：对S20中建立的数学模型，推导各个变量的更新公式，以交替迭代的方式更新分类器系数、一致性特征空间的映射向量和在一致性特征空间下的特征表示； S40：利用S30中得到的分类器系数和一致性特征空间映射向量，对尚未分类的测试数据进行分类。