【技术实现步骤摘要】
本专利技术涉及图像处理，尤其是涉及一种利用数据重构选择多标记图像数据显著性特征方法。
技术介绍
1、在大数据时代，应用实践已不再满足于从单一标记中识别出一个实例，因为多个标记信息共存可以更丰富地表征实例。例如，在一张多标记自然图像中，其可以包含多种标记信息：天空、建筑、树木，湖水和行人。随着多标记分类任务中类标记数量的增加，可能需要收集更多的特征来学习这些类别标记。然而，多标记数据存在高维特征空间的灾难，这显著增加了学习模型的过拟合风险和训练时间。面对多标记图像数据的维数灾难，我们通常求助于两种主流的降维技术，即特征提取和特征选择。这两种技术可以帮助降低计算时间和存储空间的成本，为提高多标记学习模型的准确率奠定基础。特征提取构建了一组新的特征，这些特征的含义尚未明确，由于用户无法获得这些特征的物理意义，因此很难在此基础上进一步进行定性分析。而特征选择的目标是剔除一些特征，包括不相关的特征、冗余特征和噪声特征，也就是说，特征选择保留了一部分原有的特征进行降维，从而充分保留了这些特征的物理意义。利用这些特征可以构建一个更易读、更易解释的模型...
【技术保护点】
1.一种利用数据重构的多标记图像数据特征选择方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的利用数据重构的多标记图像数据特征选择方法，其特征在于，所述采用低秩表示对特征空间进行重构，包括以下步骤：
3.根据权利要求1所述的利用数据重构的多标记图像数据特征选择方法，其特征在于，所述通过方向牵引矩阵对标记空间进行转换，包括以下步骤：
4.根据权利要求1所述的利用数据重构的多标记图像数据特征选择方法，其特征在于，所述将重构的特征空间投影到重构的标记空间以产生特征选择矩阵，包括以下步骤：
5.根据权利要求1所述的利用数...
【技术特征摘要】
1.一种利用数据重构的多标记图像数据特征选择方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的利用数据重构的多标记图像数据特征选择方法，其特征在于，所述采用低秩表示对特征空间进行重构，包括以下步骤：
3.根据权利要求1所述的利用数据重构的多标记图像数据特征选择方法，其特征在于，所述通过方向牵引矩阵对标记空间进行转换，包括以下步骤：
4.根据权利要求1所述的利用数据重构的多标记图像数据特征选择方法，其特征在于，所述将重构的特征空间投影到重构的标记空间以产生特征选择矩阵，包括以下步骤：
5.根据权利要求1所述的利用数据重构的多标记图像数据特征选择方法，其特征在于，所述对特征选择矩阵...
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。