期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
结合弱监督信息的凸聚类研究
1
作者
权祯臻
陈松灿
《计算机研究与发展》
EI
CSCD
北大核心
2017年第8期1763-1771,共9页
基于目标函数的聚类是一类重要的聚类分析技术,其中几乎所有算法均是经非凸目标的优化建立,因而难以保证全局最优并对初始值敏感.近年提出的凸聚类通过优化凸目标函数克服了上述不足,同时获得了相对更稳定的解.当现实中存在辅助信息(典...
基于目标函数的聚类是一类重要的聚类分析技术,其中几乎所有算法均是经非凸目标的优化建立,因而难以保证全局最优并对初始值敏感.近年提出的凸聚类通过优化凸目标函数克服了上述不足,同时获得了相对更稳定的解.当现实中存在辅助信息(典型的如必连和/或不连约束)可资利用时,通过将其结合到相应目标所得优化模型已证明能有效提高聚类性能,然而,现有通过在目标函数中添加约束惩罚项的常用结合方式往往会破坏其原有凸目标的凸性.鉴于此,提出了一种新的结合此类弱监督辅助信息的凸聚类算法.其实现关键是代替在目标函数中添加约束,而是通过对目标函数中距离度量的改造以保持凸性,由此既保持了原凸聚类的优势同时有效提高了聚类性能.
展开更多
关键词
基于目标函数的聚类
凸聚类
弱监督信息
约束
距离度量
半
监督
聚类
下载PDF
职称材料
多级对比学习下的弱监督高分遥感影像城市固废堆场提取
2
作者
王继成
郭安嵋
+3 位作者
慎利
蓝天
徐柱
李志林
《测绘学报》
EI
CSCD
北大核心
2024年第6期1212-1223,共12页
城市固体废物是城市化进程中的重要污染源,对城市生态环境和公共健康造成了巨大危害。高分影像固废堆场智能解译是实现自动排查,提升监测效率的核心和关键技术。基于深度学习的固废堆场自动提取方法严重依赖于获取成本高、制作难度大的...
城市固体废物是城市化进程中的重要污染源,对城市生态环境和公共健康造成了巨大危害。高分影像固废堆场智能解译是实现自动排查,提升监测效率的核心和关键技术。基于深度学习的固废堆场自动提取方法严重依赖于获取成本高、制作难度大的高质量像素级标注。为此,本文提出使用更易获取的影像级标注,利用影像自监督学习实现像素级固废堆场提取。围绕固废堆场的影像特征,本文方法在尺度对比约束下综合像素、影像两个层次的对比学习方法,对固废堆场的类别激活图细化和完善,并基于此生成高质量的固废堆场伪像素级标注,用于训练固废堆场提取模型。试验结果表明,本文方法在固废堆场提取的F 1值和IoU分数方面分别达到了71.58%和55.74%,显著优于所有对比方法。这说明利用多级对比学习的弱监督方法能够获得更加完整且准确的类别激活图,从而取得更高的固废堆场提取精度。
展开更多
关键词
城市固废堆场
高分辨率遥感影像
对比学习
弱监督信息
提取
类别激活图
下载PDF
职称材料
偏标记学习研究综述
被引量:
13
3
作者
张敏灵
《数据采集与处理》
CSCD
北大核心
2015年第1期77-87,共11页
在弱监督信息条件下进行学习已成为机器学习领域的热点研究课题。偏标记学习作为一类重要的弱监督机器学习框架,适于多种实际应用问题的学习建模。在该框架下,每个对象在输入空间由单个示例(属性向量)进行刻画,而在输出空间与一组候选...
在弱监督信息条件下进行学习已成为机器学习领域的热点研究课题。偏标记学习作为一类重要的弱监督机器学习框架,适于多种实际应用问题的学习建模。在该框架下,每个对象在输入空间由单个示例(属性向量)进行刻画,而在输出空间与一组候选标记相关联,其中仅有一个为其真实标记。本文将对偏标记学习的研究现状进行综述,首先给出该学习框架的定义以及与相关学习框架的区别与联系,然后重点介绍几种典型的偏标记学习算法以及作者在该方面的初步工作,最后对偏标记学习进一步的研究方向进行简要讨论。
展开更多
关键词
机器学习
弱监督信息
偏标记学习
候选标记
纠错输出编码
下载PDF
职称材料
题名
结合弱监督信息的凸聚类研究
1
作者
权祯臻
陈松灿
机构
南京航空航天大学计算机科学与技术学院
出处
《计算机研究与发展》
EI
CSCD
北大核心
2017年第8期1763-1771,共9页
基金
国家自然科学基金项目(61672281)~~
文摘
基于目标函数的聚类是一类重要的聚类分析技术,其中几乎所有算法均是经非凸目标的优化建立,因而难以保证全局最优并对初始值敏感.近年提出的凸聚类通过优化凸目标函数克服了上述不足,同时获得了相对更稳定的解.当现实中存在辅助信息(典型的如必连和/或不连约束)可资利用时,通过将其结合到相应目标所得优化模型已证明能有效提高聚类性能,然而,现有通过在目标函数中添加约束惩罚项的常用结合方式往往会破坏其原有凸目标的凸性.鉴于此,提出了一种新的结合此类弱监督辅助信息的凸聚类算法.其实现关键是代替在目标函数中添加约束,而是通过对目标函数中距离度量的改造以保持凸性,由此既保持了原凸聚类的优势同时有效提高了聚类性能.
关键词
基于目标函数的聚类
凸聚类
弱监督信息
约束
距离度量
半
监督
聚类
Keywords
objective function-based clustering
convex clustering
weakly-supervised information
constraints
distance metric
semi-supervised clustering
分类号
O212.4 [理学—概率论与数理统计]
下载PDF
职称材料
题名
多级对比学习下的弱监督高分遥感影像城市固废堆场提取
2
作者
王继成
郭安嵋
慎利
蓝天
徐柱
李志林
机构
四川师范大学西南土地资源评价与监测教育部重点实验室
西南交通大学高速铁路运营安全空间信息技术国家地方联合工程实验室
西南交通大学地球科学与环境工程学院
出处
《测绘学报》
EI
CSCD
北大核心
2024年第6期1212-1223,共12页
基金
国家重点研发计划(2022YFB3904202,2022YFB3904205)
国家自然科学基金(42394063,42101412)
+1 种基金
四川省科技计划资助(2023NSFSC19179)
四川省科技厅基本科研业务费项目(2023JDKY0017-3)。
文摘
城市固体废物是城市化进程中的重要污染源,对城市生态环境和公共健康造成了巨大危害。高分影像固废堆场智能解译是实现自动排查,提升监测效率的核心和关键技术。基于深度学习的固废堆场自动提取方法严重依赖于获取成本高、制作难度大的高质量像素级标注。为此,本文提出使用更易获取的影像级标注,利用影像自监督学习实现像素级固废堆场提取。围绕固废堆场的影像特征,本文方法在尺度对比约束下综合像素、影像两个层次的对比学习方法,对固废堆场的类别激活图细化和完善,并基于此生成高质量的固废堆场伪像素级标注,用于训练固废堆场提取模型。试验结果表明,本文方法在固废堆场提取的F 1值和IoU分数方面分别达到了71.58%和55.74%,显著优于所有对比方法。这说明利用多级对比学习的弱监督方法能够获得更加完整且准确的类别激活图,从而取得更高的固废堆场提取精度。
关键词
城市固废堆场
高分辨率遥感影像
对比学习
弱监督信息
提取
类别激活图
Keywords
urban solid waste dump
high-resolution remote sensing images
contrastive learning
weakly supervised learning
class activation map
分类号
P258 [天文地球—测绘科学与技术]
下载PDF
职称材料
题名
偏标记学习研究综述
被引量:
13
3
作者
张敏灵
机构
东南大学计算机科学与工程学院
计算机网络和信息集成教育部重点实验室(东南大学)
出处
《数据采集与处理》
CSCD
北大核心
2015年第1期77-87,共11页
基金
国家自然科学基金(61175049
61222309)资助项目
教育部新世纪优秀人才支持计划(NCET-13-0130)资助项目
文摘
在弱监督信息条件下进行学习已成为机器学习领域的热点研究课题。偏标记学习作为一类重要的弱监督机器学习框架,适于多种实际应用问题的学习建模。在该框架下,每个对象在输入空间由单个示例(属性向量)进行刻画,而在输出空间与一组候选标记相关联,其中仅有一个为其真实标记。本文将对偏标记学习的研究现状进行综述,首先给出该学习框架的定义以及与相关学习框架的区别与联系,然后重点介绍几种典型的偏标记学习算法以及作者在该方面的初步工作,最后对偏标记学习进一步的研究方向进行简要讨论。
关键词
机器学习
弱监督信息
偏标记学习
候选标记
纠错输出编码
Keywords
machine learning
weakly-supervised information
partial label learning
candidate label
error-correcting output codes(ECOC)
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
结合弱监督信息的凸聚类研究
权祯臻
陈松灿
《计算机研究与发展》
EI
CSCD
北大核心
2017
0
下载PDF
职称材料
2
多级对比学习下的弱监督高分遥感影像城市固废堆场提取
王继成
郭安嵋
慎利
蓝天
徐柱
李志林
《测绘学报》
EI
CSCD
北大核心
2024
0
下载PDF
职称材料
3
偏标记学习研究综述
张敏灵
《数据采集与处理》
CSCD
北大核心
2015
13
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部