我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

局部几何保持的Laplacian代价敏感支持向量机 下载：34 浏览：383

周国华1，2 宋洁1 殷新春2 《中文研究》 2018年8期

摘要:
不平衡数据广泛存在于现实生活中，代价敏感学习能有效解决这一问题。然而，当数据的标记信息有限或不足时，代价敏感学习分类器的分类精度大大下降，分类性能得不到保证。针对这一情况，该文提出了一种局部几何保持的Laplacian代价敏感支持向量机(LPCS-LapSVM)，该模型基于半监督学习框架，将代价敏感学习和类内局部保持散度的思想引入其中，从考虑内在可分辨信息和样本的局部几何分布两方面来提高代价敏感支持向量机在标记信息有限的场景中的分类性能。UCI数据集上的实验结果表明了该算法的有效性。

基于哈希方法的跨模态检索研究进展 下载：63 浏览：414

樊花 陈华辉 《数据与科学》 2018年6期

摘要:
目前大规模数据集的近邻检索引起广泛关注。早期的近邻检索多为同构数据的检索,如以图像检索图像,文本检索文本。但是随着多媒体的发展,信息表达的多样性,数据跨模态检索成为当前研究热点。跨模态检索指在文档有多种模态描述时可从一个模态检索到另一个模态,如以文本检索图像,以图像检索文本等。由于哈希方法的存储开销低和快速有效的特征,广泛应用在跨模态检索中。本文从有监督、无监督和半监督三方面介绍了主要的基于哈希跨模态检索方法,分析了其优缺点,并进行了实验比较。

基于图卷积网络和自编码器的半监督网络表示学习模型 下载：73 浏览：398

王杰 张曦煌 《人工智能研究》 2019年9期

摘要:
为了保留网络结构信息和节点特征信息,结合图卷积神经网络(GCN)和自编码器(AE),提出可扩展的半监督深度网络表示学习模型(Semi-GCNAE).利用GCN捕获节点的K阶邻域中所有节点的结构和特征信息,并将捕获的信息作为AE的输入.AE对GCN捕获的K阶邻域信息进行特征提取和非线性降维,并结合Laplacian特征映射保留节点的团簇结构信息.引入集成学习方法联合训练GCN和AE,使模型习得的节点低维向量表示能同时保留网络结构信息和节点特征信息.在5个真实数据集上的广泛评估表明,文中模型习得的节点低维向量表示可以有效保留网络的结构和节点特征信息,并在节点分类、可视化和网络重构任务上性能较优.

基于多视图半监督学习的人体行为识别 下载：382 浏览：402

唐超1 王文剑2 王晓峰1 张琛1 邹乐1 《人工智能研究》 2019年7期

摘要:
由于人的行为在本质上的复杂性,单一行为特征视图缺乏全面分析人类行为的能力.文中提出基于多视图半监督学习的人体行为识别方法.首先,提出3种不同模态视图数据,用于表征人体动作,即基于RGB模态数据的傅立叶描述子特征视图、基于深度模态数据的时空兴趣点特征视图和基于关节模态数据的关节点投影分布特征视图.然后,使用多视图半监督学习框架建模,充分利用不同视图提供的互补信息,确保基于少量标记和大量未标记数据半监督学习取得更好的分类精度.最后,利用分类器级融合技术并结合3种视图的预测能力,同时有效解决未标记样本置信度评估问题.在公开的人体行为识别数据集上实验表明,采用多个动作特征视图融合的特征表示方法的判别力优于单个动作特征视图,取得有效的人体行为识别性能.

基于解码多候选结果的半监督数据挑选的语音识别 下载：79 浏览：428

王兮楼 郭武 解传栋 《人工智能研究》 2018年12期

摘要:
基于资源稀少情况下的语音识别,提出针对大量无标注数据的半监督学习的挑选策略,应用到声学模型和语言模型建模.采用少量数据训练种子模型后,解码无标注数据.首先在解码的最佳候选结果中采用置信度与困惑度结合的方法挑选高可信的语句训练声学模型及语言模型.进一步对解码得到的格进行转化,得到多候选文本,用于语言模型训练.在日语识别任务上,相比基于置信度挑选数据的方法,文中方法在识别率上具有较大提升.

基于EM算法的半监督局部加权PLS在线建模方法 下载：54 浏览：451

熊伟丽1，2 薛明晨1 李妍君1 《建模与系统仿真》 2018年11期

摘要:
针对化工过程采样分析获得的有标签样本数量较少的问题,提出一种基于半监督学习的局部加权偏最小二乘在线软测量建模方法。将过程收集到的有标签及无标签训练样本放入同一数据库中;对于在线测得的新数据点,计算其与数据库中各样本点之间的相似度,将其作为各数据点的权重;建立半监督局部加权偏最小二乘在线软测量模型,并采用EM(Expectation Maximization)算法估计模型的参数,得到模型的在线预测输出。通过对脱丁烷塔过程的仿真研究,验证了所提方法具有良好的预测精度和泛化性能。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享