一种不完整多视图多标签数据分类模型训练、分类方法及装置

本发明提供一种不完整多视图多标签数据分类模型训练、分类方法及装置，通过编码器对源自多视图的多标签数据获取关于各视图的潜在表示并平均融合得到原始摘要向量，通过第一分类器识别原始摘要向量得到伪标签，以伪标签引导预训练的扩散模型生成合成摘要向量，克服缺失视图的影响。引入冗余视图识别模块，对待处理数据的原始摘要向量逐一分离得到单个视图的单视图摘要向量和剩余视图摘要向量，分别计算多标签分类精度，评估不同视图组合对模型性能的影响，动态识别和移除冗余视图，减少数据噪声，增强模型性能。最终实现对不完整多视图多标签数据的精确分类。