搜索到1138 篇“ 多标记学习 “的相关文章
一种偏多 标记 学习 方法和系统 本发明提供一种偏多 标记 学习 方法,包括:构建示例矩阵与包含候选标记 的标记 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多 标记 学习 2025年 半监督多 标记 学习 利用有标记 数据和无标记 数据进行模型的训练,降低了多 标记 数据的标记 成本并取得了不错的结果,吸引了很多 研究者不断进行研究.然而,在半监督标注过程中,由于标记 的数量较多 ,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多 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多 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. 多 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多 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 许新征一种基于偏多 标记 学习 的图像标注方法 本发明公开了一种基于偏多 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 专属特征的多 标记 学习 算法 多 标记 学习 是机器学习 领域的一大分支。与单标记 学习 不同,多 标记 学习 框架中每个研究对象都同时与多 个标记 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。在过去的多 年里,多 标记 学习 受到了众多 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 场景的偏多 标记 学习 方法研究 多 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多 个标记 。传统的多 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多 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 。基于消歧的偏多 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多 标记 学习 算法,进而提升基于消歧的偏多 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。在合成和真实偏多 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 王群一种基于偏多 标记 学习 的患者筛选标记 方法 本发明属于偏多 标记 学习 、数据挖掘领域,具体涉及一种基于偏多 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多 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 杜雨露基于多 子空间表示的偏多 标记 学习 方法 本发明提供了一种基于多 子空间表示的偏多 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 得到基于多 子空间表示的偏多 标记 学习 模型;对基于多 子空间表示的偏多 ... 冯松鹤 李浥东 李子薇 金一 郎丛妍多 标记 学习 中基于交互表示的深度森林方法2024年 在多 标记 学习 中,每个样本都与多 个标记 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.多 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,这会导致其多 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多 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,而且针对样本较多 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 的偏多 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 的偏多 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:1,913 H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:87 H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:346 H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:212 H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:736 H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