用于零样本学习的多模态流形嵌入方法与流程

技术特征：

1.一种用于零样本学习的多模态流形嵌入方法，其特征在于，包括如下步骤：

1)输入训练样本的图像特征X＝[X1,...,Xi,...,Xn]，图像所对应的文本向量特征以及权重参数α，β，λ，

其中，Xi是第i类的训练样本的图像特征，yi是第i类的文本向量特征，q是文本向量特征的维度，n是文本向量的个数；

2)分别计算每一类训练样本的对角矩阵和边缘权重矩阵以及每一类训练样本对应的拉普拉斯矩阵Li＝Di-Si

其中，Di是第i类的训练样本的对角矩阵，ti是第i类的样本个数，是第i类的第j个样本和第k个样本的相似度，的计算公式为其中，σ是带宽，Si是第i类的边缘权重矩阵；

3)利用每一类的拉普拉斯矩阵Li构建所有类别的拉普拉斯矩阵L＝diag{L1,...,Li,...,Ln}；

4)利用公式计算多模态流形嵌入矩阵W，其中I是单位矩阵；

所述的α,β和λ是用于调节目标函数中不同目标之间的权重。

2.根据权利要求1所述的用于零样本学习的多模态流形嵌入方法，其特征在于，所述的α,β和λ是在实验中通过交叉验证的方法获得的。