本發(fā)明涉及一種基于KL散度優(yōu)化對數(shù)據進行分類的方法：將原始的圖像、文本等數(shù)據進行數(shù)據預處理，將對象建模成多維分布；從有標簽的訓練數(shù)據中選擇一定量的三元組進行模型訓練；將所選擇的三元組作為訓練數(shù)據，在所有的均值向量上施加一個線性映射A并通過迭代優(yōu)化學習最佳的線性映射，學習過程基于度量學習的基本假設，即同類樣本之間的距離變小，不同類樣本之間的距離變大；采用一種內蘊的梯度下降算法進行優(yōu)化，將目標函數(shù)的梯度投影到同一個流形的切線空間之后，在給定一個仿射不變黎曼度量的SPD矩陣的流形上執(zhí)行黎曼梯度下降；計算測試集與訓練集之間的KL散度，采用K近鄰(KNN)分類器對樣本進行分類。本方法能夠有效地提高系統(tǒng)的分類精度，并且擁有更穩(wěn)定的性能。
聲明：
“基于KL散度優(yōu)化的數(shù)據分類系統(tǒng)與方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究，如用于商業(yè)用途，請聯(lián)系該技術所有人。
我是此專利(論文)的發(fā)明人(作者)
894
編輯：管理員
來源：中冶有色技術網
分享 0
舉報 0
收藏 0
反對 0
點贊 0
中冶有色技術平臺
2025年03月25日 ~ 27日 
