一种改进的多视角机器学习分类方法

本发明提供了一种改进的多视角机器学习分类方法，涉及机器学习技术领域，包括：获取多视角图像数据集；对多视角图像数据集进行特征提取，得到多视角特征数据；构建初始分类模型；将多视角特征数据输入至初始分类模型中，得到训练好的图像分类模型；将待测图像输入至图像分类模型中，得到分类结果。本发明通过遵循互补性和一致性原则，有效整合来自不同视角的特征数据，显著提高了分类模型的准确性和鲁棒性。该方法避免了传统支持向量机(SVM)在处理大型数据集时的计算复杂性，利用层次聚类增强视角间的信息交换，从而促进了模型在多视角学习任务中的整体性能提升。最终，经过训练的图像分类模型能够更准确地识别和分类待测图像，适应性更强。