搜索结果: 1-15 共查到“计算机科学技术 监督学习”相关记录23条 . 查询时间(0.19 秒)
一种基于自监督学习的矢量球面卷积网络
矢量球面卷积网络 自监督学习 三维目标分类 三维目标部分分割
2023/6/20
在三维视觉任务中,三维目标的未知旋转会给任务带来挑战,现有的部分神经网络框架对经过未知旋转后的三维目标进行识别或分割较为困难.针对上述问题,提出一种基于自监督学习方式的矢量型球面卷积网络,用于学习三维目标的旋转信息,以此来提升分类和分割任务的表现.首先,对三维点云信号进行球面采样,映射到单位球上;然后,使用矢量球面卷积网络提取旋转特征,同时将随机旋转后的三维点云信号输入相同结构的矢量球面卷积网络提...
现有基于学习的单幅透射图像恢复方法常需要大量成对的标签数据来训练模型,因缺乏成对图像集的监督约束,致使透射图像恢复效果欠佳,限制了其实用性.提出了一种基于自监督学习的单幅透射图像恢复方法,利用循环一致性生成对抗网络的循环结构和约束转移学习能力实现非成对图像的模型训练,通过设计自学习模块,从大规模的无监督数据中挖掘自身的监督信息对网络进行训练,以此形成有效的从浅层到深层的特征提取,提高透射图像正面内...
基于隐含信息的半监督学习方法研究
半监督学习 肺音 隐含信息
2015/5/14
研究了基于隐含信息的半监督学习方法,并将该方法应用于支持向量机和随机森林模型。利用UCI数据库中的数据验证了基于此方法的支持向量机和随机森林的精度。在此基础上,将此种方法应用于肺音识别领域,利用实际的肺音数据对此方法处理实际问题的效果进行了验证,同时实验分析了无标记样本的数量以及质量对此方法的影响。
脉冲神经元应用脉冲时间编码神经信息，监督学习的目标是对于给定的突触输入产生任意的期望脉冲序列.但由于神经元脉冲发放过程的不连续性，构建高效的脉冲神经元监督学习算法非常困难，同时也是该研究领域的重要问题.基于脉冲序列的核函数定义，提出了一种新的脉冲神经元监督学习算法，特点是应用脉冲序列核构造多脉冲误差函数和对应的突触学习规则，并通过神经元的实际脉冲发放频率自适应地调整学习率.将该算法用于脉冲序列的学...
脉冲神经网络是进行复杂时空信息处理的有效工具,但由于其内在的不连续和非线性机制,构建高效的脉冲神经网络监督学习算法非常困难,同时也是该研究领域的重要问题.本文介绍了脉冲神经网络监督学习算法的基本框架,以及性能评价原则,包括脉冲序列学习能力、离线与在线处理性能、学习规则的局部特性和对神经网络结构的适用性.此外,对脉冲神经网络监督学习算法的梯度下降学习规则、突触可塑性学习规则和脉冲序列卷积学习规则进行...
基于弱监督学习的去噪受限玻尔兹曼机特征提取算法
特征提取 受限玻尔兹曼机 目标识别
2014/1/3
针对现有特征提取方法难以实现从含有复杂背景的图像中提取有用目标特征的瓶颈问题,提出了基于弱监督学习的去噪受限玻尔兹曼机特征提取算法.首先,利用训练样本,通过无监督学习方式训练一个标准受限玻尔兹曼机模型,从而获得一个包含可视单元层和隐藏单元层的层次结构模型;然后,对可视层的每个单元引入二值转换单元,对隐藏层,根据各节点的激活值大小和激活频率将其分为两组:前景特征隐层单元和背景特征隐层单元,得到一个二...
稀疏特征空间嵌入正则化:鲁棒的半监督学习框架
基于图的半监督学习 稀疏表示 最近特征空间嵌入 正则化
2013/8/28
在机器学习领域,半监督学习作为一种有力工具吸引了越来越多的关注,其利用少量带标签数据和大量无标签数据进行有效学习,其中基于图的半监督学习方法因其优雅的数学形式和良好的学习性能而引起更广泛的研究.针对现有基于图的半监督学习方法所存在的模型参数敏感和数据判别信息不充分等问题,提出一种稀疏特征空间嵌入正则化(Sparse Feature Space embedding Regularization,SF...
哈希图半监督学习方法及其在图像分割中的应用
哈希图半监督学习 图半监督学习 局部敏感的哈希函数 图像分割
2010/11/30
图半监督学习(Graph based semi-supervised learning, GSL)方法需要花费大量时间构造一个近邻图, 速度比较慢. 本文提出了一种哈希图半监督学习(Hash graph based semi-supervised learning, HGSL)方法, 该方法通过局部敏感的哈希函数进行近邻搜索, 可以有效降低图半监督学习方法所需的构图时间. 图像分割实验表明, 该方...
针对链接挖掘中网络的结构难以预测这个难点问题，提出了一个关于链接预测的新型半监督学习方法——基于快速共轭梯度方法和链接相似性传递增殖原理的链接预测算法，利用节点相似性等辅助信息去预测未知结构。该算法利用张量的形式去表示多维的复杂的多关系数据，利用克罗内克积与克罗内克和去计算张量之间的相似性，利用向量特技方法降低了算法的时间和空间复杂度。在社会网络和生物信息网络等环境下，通过实验验证了算法的有效性和...
基于半监督学习的K-均值聚类算法研究
半监督聚类 改进的K-均值算法 动态管理种群的粒子群算法
2010/3/1
定义了一个欧氏距离和监督信息相混合的新的最近邻计算函数,从而将K-均值算法很好地应用于半监督聚类问题。针对K-均值算法初始质心敏感的缺陷,用粒子群算法的搜索空间模拟聚类的欧氏空间,迭代搜索找到较优的聚类质心，同时提出动态管理种群的策略以提高粒子群算法搜索效率。算法在UCI的多个数据集上测试都得到了较好的聚类准确率。
针对中文组织机构名识别中的标注语料匮乏问题，提出了一种基于协同训练机制的组织机构名识别方法。该算法利用Tri-training学习方式将基于条件随机场的分类器、基于支持向量机的分类器和基于记忆学习方法的分类器组合成一个分类体系，并依据最优效用选择策略进行新加入样本的选择。在大规模真实语料上与co-training方法进行了比较实验，实验结果表明，此方法能有效利用大量未标注语料提高算法的泛化能力。
...
使用半监督学习方法中的自训练、协同训练方法,利用少量已标注样本和大量未标注样本来完成蛋白质关系抽取的任务.首先使用基于词特征的SVM(support vector machine)模型进行自训练,然后使用基于词特征的SVM模型和基于依存树特征的SVM模型进行协同训练.通过对4个语料的实验,验证了自训练及协同训练方法在蛋白质关系抽取领域中的应用效果.相比于自训练,协同训练可以通过两个相对独立的视图相...
基于半监督学习的眉毛图像分割方法
半监督学习 图像分割 眉毛识别
2009/9/30
眉毛图像的分割，由于受到毛发、姿势及个体差异的影响，是一个非常困难的问题。提出了一种利用半监督学习技术进行彩色眉毛图像分割的方法，首先通过手工在眉毛图像上简单画上几条线标注部分眉毛点和非眉毛点，然后利用半监督学习技术完成眉毛图像分割并从中提取纯眉毛图像，最后通过实验说明该方法具有非常好的分割效果，可用于眉毛识别的前期预处理。
基于分类权与质心驱动的无监督学习算法
聚类点聚类 分类权 加权距离
2009/9/8
为了充分挖掘隐藏在样本向量中的空间信息和知识信息: 用聚类点代替类均值, 把提取指标对聚类所做贡献的量化值定义为指标分类权; 用分类权定义样本点与聚类点的加权距离, 使之作为样本与类之间的相似性度量更具合理性, 即将加权距离转化为样本隶属度. 为了消除序贯算法产生的随机性, 用样本的K类隶属度作为点质量的样本质点组的质心, 修正当前的K类聚类点, 由此建立基于分类权和质心驱动的搜索聚类点的迭代...