【技术实现步骤摘要】
【专利摘要】本专利技术公开，为了克服数字媒体对象类别标记的噪声问题，通过最大化间隔均值同时最小化间隔方差，最终将数字媒体对象的分类问题形式化成一个凸二次优化问题，并根据是否使用非线性核函数以及训练数字媒体对象库本身的特征，给出了分别基于对偶坐标下降和基于平均随机梯度下降两种寻优算法的实现，用户可根据实际情况自行选择。若用户选择非线性核函数，则训练时选择DCD作为寻优算法；若用户选择线性核函数，且训练数字媒体对象库样本很多或特征很稀疏，则训练时选择ASGD作为寻优算法，否则依然选择DCD作为寻优算法。【专利说明】-种基于大间隔分布学习的数字媒体对象分类方法
本专利技术涉及一种数字媒体对象分类方法，特别是一种基于大间隔分布学习的数字 媒体对象分类方法。
技术介绍
当下的人类社会已经全面进入了数字化阶段，目前用来传播信息的图像、文本、视 频、音频等媒介均是以二进制编码的形式来记录、处理的，这些编码后的图像、文本、视频、 音频统称为数字媒体对象。数字媒体对象因其具有图、文、声、像并茂的立体表现特点，已广 泛应用于各行各业，如遥感测控、互联网站、...
【技术保护点】
一种基于大间隔分布学习的数字媒体对象分类方法，其特征在于：首先，先建立好一个包含数字媒体对象信息数字媒体对象库作为训练数据，所述数字媒体对象库中的每一个数字媒体对象都带有类别标记；接着，将训练数字媒体对象转换成特征表示，具体来说，将训练数字媒体对象输入到特征提取算法中，得到数字媒体对象的特征向量；然后，将所有训练数字媒体对象对应的特征向量及其类别标记都输入进分类模型的训练算法，训练完之后得到分类模型；在预测阶段，用户将待预测的数字媒体对象输入分类模型，分类模型即可输出其预测的类别标记；在训练分类模型时，通过最大化间隔均值同时最小化间隔方差，最终将数字媒体对象的分类问题形式化...
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。