搜索到1138篇“ 多标记学习“的相关文章
一种偏标记学习方法和系统
本发明提供一种偏标记学习方法,包括:构建示例矩阵与包含候选标记标记矩阵;基于所述示例和所述标记相关性假设,构造第一目标函数;基于类属属性和所述示例相关性假设,构造第二目标函数;将所述第一目标函数与第二目标函数相加获得...
梁伟超高光亮
基于图提示的半监督开放词汇标记学习
2025年
半监督标记学习利用有标记数据和无标记数据进行模型的训练,降低了标记数据的标记成本并取得了不错的结果,吸引了很研究者不断进行研究.然而,在半监督标注过程中,由于标记的数量较,往往会出现某些标记缺失标注样本的情况,这些标记被称为开放词汇.开放词汇会导致模型无法学习到该类别的标记信息,使得模型性能下降. 针对上述问题,提出了基于图提示的半监督开放词汇标记 学习方法. 具体地,该方法利用基于提示的图神经网络对预训练大模型进行微调,挖掘和探索开放词汇与 监督样本之间的关系. 通过使用包含图像与文本的模态数据构造图神经网络作为预训练大模型的文本 输入进行学习. 其次利用预训练大模型在开放词汇上的泛化能力,对无监督样本生成伪标记,实现对输出 分类层的微调,使模型在对开放词汇进行分类时能获得更加理想的效果. 个基准数据集上的实验结果 均显示,基于图提示的半监督开放词汇标记学习方法优于目前的主流方法,在 VOC,COCO,CUB,NUS 等基准数据集上均取得了最优的效果.
李仲年皇甫志宇杨凯杰营鹏孙统风许新征
一种基于偏标记学习的图像标注方法
本发明公开了一种基于偏标记学习的图像标注方法,包括:1)构建特征信息矩阵和逻辑标记矩阵;2)建模分类器相关性和噪声标记矩阵;3)学习全局标记相关性和局部标记相关性,基于最小生成树(MST)技术来获得特征空间的全局流形结...
贾兆红关亚虎王科叶鸿
基于标记专属特征的标记学习算法
标记学习是机器学习领域的一大分支。与单标记学习不同,标记学习框架中每个研究对象都同时与标记相关联,学习的目的是为未知的对象预测一组相关的标记集。在过去的年里,标记学习受到了众学者的重视,其中的研究热点之一为...
王志杰
关键词:多标记学习模糊粗糙集
面向噪声标记场景的偏标记学习方法研究
标记学习是一种机器学习范式,它处理的分类任务中允许每个实例同时拥有标记。传统的标记学习方法通常假设每个训练示例的所有相关标记均已经被准确地标注了。但是,在实际应用中,由于潜在的不可靠标注者存在,这一假设往往难以成...
涂艳强
关键词:多标记学习
融合实例和标记相关性增强消歧的偏标记学习算法
2024年
实例的候选标记集合包含真实标记和噪声标记。基于消歧的偏标记学习旨在消除噪声标记,识别并预测与实例真正相关的标记。传统的消歧策略通常仅考虑标记间的相关性,忽略了实例间的相关性。为此,文章提出一种融合实例和标记相关性增强消歧的偏标记学习算法,进而提升基于消歧的偏标记学习性能。首先,依据真实标记矩阵的低秩性和噪声标记的稀疏性构建基础模型;然后,定义核函数以捕捉实例间的线性和非线性相关性,从而进一步消除噪声标记;最后,通过从特征空间到标记空间的线性映射,实现相关标记的预测。在合成和真实偏标记数据集上的实验结果表明,与8种对比算法相比,文章所提算法在统计学上具有显著差异并且表现更好。
高光亮梁广俊洪磊高谷刚王群
一种基于偏标记学习的患者筛选标记方法
本发明属于偏标记学习、数据挖掘领域,具体涉及一种基于偏标记学习的患者筛选标记方法;该方法包括:获取患者的病理样本数据,将病理样本数据输入到训练好的基于偏标记学习的医疗文本语义信息大数据预测模型中,预测患者的患病类型...
王进陆志周继聪孙开伟杜雨露
基于子空间表示的偏标记学习方法
本发明提供了一种基于子空间表示的偏标记学习方法。该方法包括利用真实标记矩阵构建标记子空间,利用特征映射矩阵构建特征子空间,通过标记子空间和特征子空间学习得到基于子空间表示的偏标记学习模型;对基于子空间表示的偏...
冯松鹤李浥东李子薇金一郎丛妍
标记学习中基于交互表示的深度森林方法
2024年
标记学习中,每个样本都与标记关联,关键任务是如何在构建模型时利用标记之间的相关性.标记深度森林算法尝试在深度集成学习的框架下使用逐层的表示学习来挖掘标记之间的相关性,并利用得到的标记概率表示提升预测精度.然而,一方面标记概率表示与标记信息高度相关,这会导致其样性较低.随着深度森林的深度增加,性能会下降.另一方面,标记概率的计算需要我们存储所有层数的森林结构并在测试阶段逐一使用,这会造成难以承受的计算和存储开销.针对这些问题,提出基于交互表示的标记深度森林算法(interactionrepresentation-based multi-label deep forest,iMLDF).iMLDF从森林模型的决策路径中挖掘特征空间中的结构信息,利用随机交互树抽取决策树路径中的特征交互,分别得到特征置信度得分和标记概率分布两种交互表示.iMLDF一方面充分利用模型中的特征结构信息来丰富标记间的相关信息,另一方面通过交互表达式计算所有的表示,从而使得算法无需存储森林结构,大大地提升了计算效率.实验结果表明:在交互表示基础上进行表示学习的i MLDF算法取得了更好的预测性能,而且针对样本较的数据集,计算效率比MLDF算法提升了一个数量级.
吕沈欢陈一赫姜远
关键词:多标记学习特征交互
一种基于实例相关性消除噪声标记的偏标记学习方法
本发明公开了一种基于实例相关性消除噪声标记的偏标记学习方法,首先,分解给定实例的候选标记矩阵为真实标记矩阵和噪声标记矩阵的加和,通过两个小矩阵的乘积来近似真实标记矩阵,并引入L<Sub>1</Sub>范数正则化来约束噪...
高光亮高谷刚马如坡洪磊印杰

相关作者

周志华
作品数:389被引量:1,913H指数:23
供职机构:南京大学
研究主题:神经网络 图像 强化学习算法 神经网络集成 数据挖掘
吴建盛
作品数:128被引量:87H指数:4
供职机构:南京邮电大学
研究主题:药物靶标 分子指纹 多标记学习 配体 多标记
张化祥
作品数:251被引量:346H指数:9
供职机构:山东师范大学
研究主题:图像 聚类 模态 网络 多视图
姜远
作品数:91被引量:212H指数:8
供职机构:南京大学
研究主题:多标记学习 多标记 数据挖掘 训练数据 神经网络集成
李德玉
作品数:185被引量:736H指数:13
供职机构:山西大学计算机与信息技术学院
研究主题:粗糙集 形式概念分析 多粒度 属性约简 情感分类