基于自适应图的半监督核宽度分类学习方法及设备

摘要

一种基于自适应图的半监督核宽度分类学习方法及设备，方法包括以下步骤：先将输入数据进行随机权值映射，将映射后的特征存储在特征节点中，然后通过相似的非线性特征映射将特征节点扩展到增强节点，最后将特征节点和增强节点结合形成输入数据的特征映射矩阵；利用输入数据和输入数据的特征映射矩阵学习相似性矩阵，同时推断未知标签，再根据核函数得到损失函数；对损失函数的每个变量求出局部最优解，进行迭代优化，完成半监督核宽度分类。本发明联合了优化基于稀疏自编码器的特征提取过程、自适应图结构学习过程以及引入核函数学习进行分类，提升了分类学习方法的稳定性和性能。