专利内容由知识产权出版社提供
专利名称：一种基于自适应Dropout非负矩阵分解的特征学
习模型
专利类型：发明专利
发明人：刘杰,何志成,刘才华,王嫄申请号：CN201611159985.8申请日：20161215公开号：CN106779090A公开日：20170531
摘要：一种基于自适应Dropout非负矩阵分解的特征学习模型。本发明基于对NMF中隐藏特征之间关系的分析，提出一种基于自适应Dropout非负矩阵分解的特征学习模型(Adaptive DropoutNon‑negative Matrix Factorization)，能够主动学习隐藏特征之间的相异度，并将其转化为隐藏特征的数据表示能力。然后在此基础上构造概率函数，并对隐藏特征进行Dropout，从而降低隐藏特征在优化过程中的相互影响，提高隐藏特征的语义性。本发明具有良好的可解释性和泛化性，能够在文本和图像数据上取得明显的性能提升，并能够应用到已有的基于NMF的算法中。此外，本发明还具有良好的可并行性，可以部署到并行平台上运行，用来处理大规模数据。
申请人：南开大学
地址：300071 天津市南开区卫津路94号
国籍：CN
代理机构：天津佳盟知识产权代理有限公司
代理人：侯力
更多信息请下载全文后查看
