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
共找到9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：
基于概率转移卷积神经网络的含噪标记SAR图像分类 被引量：11
1
作者 赵娟萍 郭炜炜 +3 位作者 柳彬 崔世勇 张增辉 郁文贤 《雷达学报（中英文）》 CSCD 2017年第5期514-523,共10页
合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类是SAR图像解译的重要任务。以卷积神经网络(Convolutional Neural Networks,CNN)为代表的监督学习方法需要大量已标注的训练样本。然而对于SAR图像真值标注而言,由于SAR特殊的成像机... 合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类是SAR图像解译的重要任务。以卷积神经网络(Convolutional Neural Networks,CNN)为代表的监督学习方法需要大量已标注的训练样本。然而对于SAR图像真值标注而言,由于SAR特殊的成像机理,图像受相干斑噪声、几何畸变和结构缺失等因素影响较为严重,非直观性较强,使得SAR图像人工标注非常困难,极易出错,从而导致CNN等模型学习和泛化性能急剧降低。针对这种含噪标记条件下的SAR图像分类问题,该文提出了一种基于概率转移模型的卷积神经网络(Probability Transition CNN,PTCNN)方法,该方法在传统CNN模型基础上,基于含噪标记与正确标记之间的概率转移模型,建立噪声标记转移层,这种新的卷积网络模型可潜在地校正错误标记,增强了含噪标记下分类模型的鲁棒性。与经典CNN等模型相比,在构建的16类SAR图像地物数据集和MSTAR数据集上的实验结果表明该文方法相比于经典CNN等模型,在保持SAR图像分类性能的同时具有较好的抗噪性,能够有效校正训练样本中的标注错误,从而降低了SAR图像有监督分类任务对样本标注质量的要求,具有一定的研究价值与应用前景。 展开更多
关键词 合成孔径雷达(SAR)图像分类 监督学习 含噪标记 概率转移卷积神经网络(PTCNN) 深度特征
下载PDF
基于检索增强的噪声标签细粒度图像分类方法 被引量：2
2
作者 暴恒 邓理睿 +1 位作者 张良 陈训逊 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2024年第7期2284-2292,共9页
在互联网音视频内容分析的应用中,快速建立低标注代价的图像细粒度分类方法具有重要意义。由于类别间具有相似的外观特征,并且存在光照、视角、背景遮挡等干扰因素,细粒度图像分类面临类别数量多、类间差异性小,以及标注代价高、标签信... 在互联网音视频内容分析的应用中,快速建立低标注代价的图像细粒度分类方法具有重要意义。由于类别间具有相似的外观特征,并且存在光照、视角、背景遮挡等干扰因素,细粒度图像分类面临类别数量多、类间差异性小,以及标注代价高、标签信噪比低等挑战。为改善在带有噪声标签的数据环境下海量图像细粒度分类的效果,提出一种基于检索增强的图像细粒度分类方法,在迭代清洗噪声标签的基础上,利用检索范式通过简单类别标注获取更具表达性的特征,提升分类器的识别能力,并在包含1 500个细粒度的食物类别和超过50万张图像的数据集上取得良好的效果。 展开更多
关键词 细粒度图像分类 网络安全 图像检索 数据清洗 噪声标签
下载PDF
噪声标签下注意力特征混合的旋转机械故障诊断 被引量：2
3
作者 陈仁祥 张旭 +3 位作者 徐向阳 杨宝军 赵玲 何家乐 《仪器仪表学报》 EI CAS CSCD 北大核心 2023年第9期255-262,共8页
实际工程中,受人为标记或数据预处理等原因影响,旋转机械故障数据集易出现噪声标签,导致故障诊断模型性能降低,故提出注意力特征混合的旋转机械故障诊断方法。首先,构建残差神经网络(ResNet)提取样本中的时频特征,通过随机分组和特征交... 实际工程中,受人为标记或数据预处理等原因影响,旋转机械故障数据集易出现噪声标签,导致故障诊断模型性能降低,故提出注意力特征混合的旋转机械故障诊断方法。首先,构建残差神经网络(ResNet)提取样本中的时频特征,通过随机分组和特征交互构建正确标签样本组、部分噪声标签样本组和噪声标签样本组;其次,引入注意力机制计算各样本组内样本相关性对各组样本分配权值,得到能区分部分噪声样本组中噪声标签样本的差异性权值;然后,根据权值对每组样本进行混合(Mixup),通过对噪声标签样本插值并在反向传播中更新注意力层参数降低噪声标签样本所占比例;最后,利用在线标签平滑(OLS)统计模型预测信息更新软标签,通过降低噪声标签样本对模型损失更新的影响,进一步抑制噪声标签样本组的负面影响。在不同程度的噪声标签干扰下的旋转机械故障数据集上进行实验验证,检测精度均达到95%以上,证明了所提方法的有效性。 展开更多
关键词 旋转机械 故障诊断 噪声标签 注意力机制 在线标签平滑
下载PDF
一种鲁棒的双教师自监督蒸馏哈希学习方法 被引量：2
4
作者 苗壮 王亚鹏 +3 位作者 李阳 王家宝 张睿 赵昕昕 《计算机科学》 CSCD 北大核心 2022年第10期159-168,共10页
为了提高无监督哈希学习的性能,实现鲁棒的哈希图像检索,提出了一种鲁棒的双教师自监督蒸馏哈希学习方法。该方法包括自监督双教师学习和鲁棒哈希学习两个阶段:第一阶段设计了一种改进的聚类算法,有效提高了硬伪标签的标注精度,而后通... 为了提高无监督哈希学习的性能,实现鲁棒的哈希图像检索,提出了一种鲁棒的双教师自监督蒸馏哈希学习方法。该方法包括自监督双教师学习和鲁棒哈希学习两个阶段:第一阶段设计了一种改进的聚类算法,有效提高了硬伪标签的标注精度,而后通过微调教师网络得到了图像的初始软伪标签;第二阶段提出了一种结合混合去噪和双教师共识去噪策略的软伪标签去噪方法,有效去除了初始软伪标签中的噪声,而后利用蒸馏学习将双教师网络中的信息通过去噪软伪标签传递给学生网络,进而获得无标签图像的鲁棒哈希码。在CIFAR-10,FLICKR25K和EuroSAT上进行了实验,实验结果表明,与TBH方法相比,在CIFAR-10上所提方法的MAP平均提高了18.6%;与DistillHash方法相比,在FLICKR25K上所提方法的MAP平均提高了2.4%;与ETE-GAN方法相比,在EuroSAT上所提方法的MAP平均提高了18.5%。 展开更多
关键词 哈希学习 自监督学习 知识蒸馏 图像检索 噪声标签
下载PDF
互补学习:一种面向图像应用和噪声标注的深度神经网络训练方法 被引量：2
5
作者 周彧聪 刘轶 王锐 《计算机研究与发展》 EI CSCD 北大核心 2017年第12期2896-2906,共11页
近几年来,深度神经网络在图像识别、语音识别、自然语言处理等众多领域取得了突破性的进展.互联网以及移动设备的快速发展极大地推进了图像应用的普及,也为深度神经网络的训练积累了大量数据.其中,大规模人工标注的数据是成功训练深度... 近几年来,深度神经网络在图像识别、语音识别、自然语言处理等众多领域取得了突破性的进展.互联网以及移动设备的快速发展极大地推进了图像应用的普及,也为深度神经网络的训练积累了大量数据.其中,大规模人工标注的数据是成功训练深度神经网络的关键.但随着数据规模的快速增长,人工标注图像的成本也越来越高,同时不可避免地产生标注错误,从而影响神经网络的训练.为此,提出了一种称为互补学习的方法,面向图像应用中深度神经网络的训练,将简单样本挖掘和迁移学习的思想相结合,利用少量人工标注的干净数据和大量带有噪声标注的数据,同时训练一主一辅2个深度神经网络模型,在训练过程中采用互补的策略分别选择部分样本进行学习,同时将辅模型的知识迁移给主模型,从而减少噪声标注对训练的影响.实验表明:提出的方法能有效地利用带有噪声标注的数据训练深度神经网络,并对比其他方法有一定的优越性,有较强的应用价值. 展开更多
关键词 深度神经网络 图像应用 噪声标注 简单样本挖掘 迁移学习
下载PDF
考虑噪声标签影响的驾驶员精神负荷状态评价 被引量：1
6
作者 黄晶 彭扬 +1 位作者 黄烨 彭晓燕 《汽车工程》 EI CSCD 北大核心 2022年第5期771-777,共7页
现有驾驶员精神负荷评价研究多以驾驶场景中有无次任务来给定驾驶员的精神负荷分类标签,但驾驶员在正常驾驶情景下也可能由于陷入自我思维而导致精神负荷的增加;此外,由于个体差异,同一驾驶次任务对不同驾驶员精神负荷的影响也不尽相同... 现有驾驶员精神负荷评价研究多以驾驶场景中有无次任务来给定驾驶员的精神负荷分类标签,但驾驶员在正常驾驶情景下也可能由于陷入自我思维而导致精神负荷的增加;此外,由于个体差异,同一驾驶次任务对不同驾驶员精神负荷的影响也不尽相同。因此,由传统方法所制作的数据集可能存在噪声标签,从而影响精神负荷评价模型的训练效果。针对此类问题,本文中采用置信学习的方法对驾驶员的精神负荷分类标签进行检测和滤除,使用处理过的标签,以脑电、心电和皮电信号特征作为模型输入,基于支持向量机、随机森林、K近邻、决策树、逻辑回归和多层感知机等多种算法构建驾驶员精神负荷模型,对比分析噪声标签处理对提高各类模型性能的效果。结果表明:使用置信学习进行噪声标签处理后,所构建的多种驾驶员精神负荷模型的性能均得到了明显的改善,其中,支持向量机模型的性能提升的效果最佳。 展开更多
关键词 交通安全 精神负荷 置信学习 机器学习 噪声标签
下载PDF
元自步学习 被引量：6
7
作者 束俊 孟德宇 徐宗本 《中国科学：信息科学》 CSCD 北大核心 2020年第6期781-793,共13页
自步学习是近年来机器学习领域提出的一种启发于人和动物"由易到难"学习过程的学习机制.尽管自步学习已取得可喜的理论与应用进展,但是当前的自步学习算法仍存在超参数选择的瓶颈问题.针对该问题当前主要采用一些启发式的手... 自步学习是近年来机器学习领域提出的一种启发于人和动物"由易到难"学习过程的学习机制.尽管自步学习已取得可喜的理论与应用进展,但是当前的自步学习算法仍存在超参数选择的瓶颈问题.针对该问题当前主要采用一些启发式的手工设计方法或者交叉验证方法,然而此类方法效率很低,缺乏理论性指导,难以推广应用到广泛的实践问题中.针对这一挑战性问题,本文提出一种基于元学习机理的自步学习算法,该方法能使自步学习中涉及的超参数以数据驱动的方式自动习得,从而大大减弱了自步学习的这一核心问题.特别地,我们针对3种典型的自步学习实现格式,将所提元学习策略实质性嵌入,通过回归和分类实验验证了所提算法的准确性和泛化性,特别验证了相比于传统超参设置方法的显著优越性. 展开更多
关键词 自步学习 元学习 样本加权 噪声标记下学习 超参数选择
原文传递
面向标签噪声的联合训练框架
8
作者 魏琦 孙皓亮 +1 位作者 马玉玲 尹义龙 《中国科学：信息科学》 CSCD 北大核心 2024年第1期144-158,共15页
当前面向标签噪声的鲁棒性学习通常依赖样本选择和标签修正两种策略,但是这两类方法均存在缺陷.基于样本选择的方法忽略了被过滤掉的样本中的有效信息,进而降低了模型的性能.基于标签修正的方法常使用自标签技术而引起模型的错误积累问... 当前面向标签噪声的鲁棒性学习通常依赖样本选择和标签修正两种策略,但是这两类方法均存在缺陷.基于样本选择的方法忽略了被过滤掉的样本中的有效信息,进而降低了模型的性能.基于标签修正的方法常使用自标签技术而引起模型的错误积累问题.对此,本文提出了一个集成样本选择、标签修正的联合训练框架.针对样本选择模块,本文设计了一种新的选择标准,通过在线选择的方法对所挑选的样本集合进行更新.相较于现有选择标准,本文提出的标准可保留更多边界样本,提升了模型对决策边界的学习性能,增强了模型的泛化性能.针对标签修正模块,本文提出了一种联合标签修正策略.相比于传统的自标签修正技术,该模块通过联合特征空间视角,对噪声样本进行多视角的标签修正,解决了传统自标签技术的错误累积问题.此外,本文引入对比学习正则化项,提升了标签修正效果和模型表征学习能力.本文方法在4个测试基准上取得了当前最好分类效果,验证了所提训练框架的有效性. 展开更多
关键词 标签噪声学习 样本选择 标签修正 对比学习
原文传递
面向加密恶意流量的噪声标签检测方法
9
作者 童家铖 陈伟 +1 位作者 倪嘉翼 李频 《信息安全研究》 CSCD 2023年第10期1023-1027,共5页
对于基于数据驱动的加密恶意流量检测模型的训练及其评估,处理有噪声的数据集仍然是一项挑战,提出了一种基于KRPD-DT的噪声标签检测方法,使用差分训练的思想同时训练2个相同的模型,提取样本在2个模型中训练的损失,根据干净样本和噪声样... 对于基于数据驱动的加密恶意流量检测模型的训练及其评估,处理有噪声的数据集仍然是一项挑战,提出了一种基于KRPD-DT的噪声标签检测方法,使用差分训练的思想同时训练2个相同的模型,提取样本在2个模型中训练的损失,根据干净样本和噪声样本在训练行为上的差异性检测出噪声样本.同时,为了放大样本间损失上的差异,提出了基于KLIEP-RPD的相对噪声权重估计方法,估计每个样本的相对概率密度,并把它作为样本损失行为的权重.该方法在对CIC-DoHBrw2020数据集清洗过后,有效地恢复了恶意DoH流量检测模型的性能,实验验证了该方法具有不错的稳定性,并超过了其他几种噪声检测方法. 展开更多
关键词 噪声标签监测 噪声权重 加密恶意流量 DoH流量 差分训练
下载PDF
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
使用帮助 返回顶部