[发明专利]一种基于字典学习的零样本分类方法在审
| 申请号： | 201710722442.0 | 申请日： | 2017-08-21 |
| 公开（公告）号： | CN107491788A | 公开（公告）日： | 2017-12-19 |
| 发明（设计）人： | 于云龙;冀中;庞彦伟 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06F17/30 |
| 代理公司： | 天津市北洋有限责任专利代理事务所12201 | 代理人： | 杜文茹 |
| 地址： | 300192*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于字典学习的零样本分类方法，包括建立适用于零样本学习的字典学习模型；利用字典学习模型学习字典矩阵D和转移矩阵P；利用学习到的字典矩阵D和转移矩阵P实现零样本分类。本发明的一种基于字典学习的零样本分类方法，首先将类别语义特征映射到一个能保持语义判别信息的隐空间中，并结合字典学习的方法利用隐空间的特征对原始的视觉特征进行重构。 | ||
| 搜索关键词： | 一种 基于 字典 学习 样本 分类 方法 | ||
【主权项】：
一种基于字典学习的零样本分类方法，其特征在于，包括如下步骤：1)建立适用于零样本学习的字典学习模型：minD,P,C||X-DC||F2+λ||PY-C||F2s.t.PTP=I,||di||22≤1---(1)]]>其中，N表示训练样本的个数，表示第i个样本的视觉特征，dx是样本的视觉特征的维度；D为需要学习的字典矩阵；表示N个样本在隐空间中的嵌入特征，ci为xi在隐空间中的嵌入特征；P为转移矩阵；表示N个样本所对应的类别语义特征，表示第i个样本所对应的类别语义特征，dy是类别相应语义特征的维度；λ表示权重系数；||·||F表示Frobenius范数；2)利用字典学习模型学习字典矩阵D和转移矩阵P；3)利用学习到的字典矩阵D和转移矩阵P实现零样本分类。
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天津大学，未经天津大学许可，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/201710722442.0/，转载请声明来源钻瓜专利网。
