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5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：
深度半监督学习中伪标签方法综述 被引量：8
1
作者 刘雅芬 郑艺峰 +2 位作者 江铃燚 李国和 张文杰 《计算机科学与探索》 CSCD 北大核心 2022年第6期1279-1290,共12页
随着智能技术的发展,深度学习已成为机器学习的研究热点,在各个领域发挥着越来越重要的作用。深度学习需要大量的标签数据用于提升模型性能。为了有效解决标签问题,研究人员将半监督学习与深度学习相结合。同时利用少量的标签数据和大... 随着智能技术的发展,深度学习已成为机器学习的研究热点,在各个领域发挥着越来越重要的作用。深度学习需要大量的标签数据用于提升模型性能。为了有效解决标签问题,研究人员将半监督学习与深度学习相结合。同时利用少量的标签数据和大量的无标签数据构建模型,有利于扩大样本空间。鉴于深度半监督学习的理论意义和实际应用价值,以深度半监督学习方法中的伪标签方法作为切入点进行分析。首先,对深度半监督学习进行介绍,指出伪标签方法优势所在;其次,从自训练和多视角训练角度出发对伪标签方法进行阐述,对已有的模型进行综合性分析;接着,重点介绍基于图和伪标签的标签传播方法,并对已有伪标签方法进行实验分析;最后,从无标签数据效用性、噪声数据、合理性和伪标签方法的结合上总结伪标签方法所面临的问题和未来研究方向。 展开更多
关键词 深度学习 半监督学习 伪标签 标签传播
下载PDF
选择置信伪标签的迁移学习
2
作者 滕少华 周德根 +1 位作者 滕璐瑶 张巍 《江西师范大学学报（自然科学版）》 CAS 北大核心 2024年第1期31-44,共14页
域适应旨在将标签丰富的源域知识迁移到无标签的目标域.选择性伪标签和标签传播都是域适应的常用方法.然而传统的选择性伪标签以最大类的预测概率标记样本,忽视了其他概率;而且传统的标签传播同等对待不同置信度的标签,这可能导致错误标... 域适应旨在将标签丰富的源域知识迁移到无标签的目标域.选择性伪标签和标签传播都是域适应的常用方法.然而传统的选择性伪标签以最大类的预测概率标记样本,忽视了其他概率;而且传统的标签传播同等对待不同置信度的标签,这可能导致错误标签.因此,该文提出了一种选择置信伪标签(TL-SCP)的迁移学习.首先,在评估伪标签的置信度时兼顾了最大类的预测概率和其他类预测概率;其次,在标签传播过程中尽量保留高置信度标签,并据此指导低置信度标签的更新,借此减少错误标签传播;最后,在4个基准数据集上进行的大量实验验证了提出的模型(TL-SCP)优于现有的模型. 展开更多
关键词 置信伪标签 域适应 伪标签 迁移学习 标签传播
下载PDF
多项正则化约束的伪标签传播优化脑电信号聚类
3
作者 代成龙 李光辉 +2 位作者 李栋 申佳华 皮德常 《计算机研究与发展》 EI CSCD 北大核心 2024年第1期156-171,共16页
作为一种非侵入式分析载体,脑电信号目前被广泛应用于脑-机接口、医疗辅助诊断及康复领域,但这些应用通常依赖需要完整标签的有监督分析技术,如分类.随着无标签脑电信号的与日俱增,现有的有监督方法不能有效解决无标签脑电信号分析问题... 作为一种非侵入式分析载体,脑电信号目前被广泛应用于脑-机接口、医疗辅助诊断及康复领域,但这些应用通常依赖需要完整标签的有监督分析技术,如分类.随着无标签脑电信号的与日俱增,现有的有监督方法不能有效解决无标签脑电信号分析问题,也在一定程度上限制了无标签脑电信号这类新型数据的应用拓展.为了解决无标签脑电信号的无监督分析问题,提出了一种基于多项正则化约束的伪标签传播优化聚类模型.该模型通过同时优化学习伪标签传播矩阵、脑电信号相似度邻接矩阵、标签分类器的方式实现聚类.将提出的脑电信号聚类模型转化为一个多目标优化问题,并提出了一种基于梯度下降策略的聚类算法EEGapc(electroencephalogram clustering with pseudo label propagation).该算法不仅充分考虑了脑电信号之间的相关性及脑电信号间的信息传递,还能快速收敛到局部最优.在14个真实脑电信号数据集上的实验结果表明,提出的EEGapc脑电信号聚类算法比现有的8种聚类算法性能更好,且在平均NMI(normalized mutual information),ARI(adjusted rand index),F-score,kappa这4个指标上,EEGapc与现有的8种聚类算法相比,分别至少提升了86.88%,58.01%,6.29%,61.17%. 展开更多
关键词 脑电信号聚类 伪标签传播 邻接矩阵优化 伪标签分类器 多目标优化
下载PDF
基于分层伪标签的图像聚类方法
4
作者 蔡少填 陈小军 +1 位作者 陈龙腾 邱莉萍 《计算机科学》 CSCD 北大核心 2023年第6期225-235,共11页
图像聚类是图像处理中一个重要且开放的问题。最近,一些方法利用联合对比学习的良好表征能力来进行端到端聚类学习,利用伪标签技术来生成高质量的伪标签以提升聚类模型的鲁棒性。伪标签方法通常需要设置一个较大的概率阈值,并对满足要... 图像聚类是图像处理中一个重要且开放的问题。最近,一些方法利用联合对比学习的良好表征能力来进行端到端聚类学习,利用伪标签技术来生成高质量的伪标签以提升聚类模型的鲁棒性。伪标签方法通常需要设置一个较大的概率阈值,并对满足要求的样本生成one-hot的标签,同时利用生成的标签来更新模型。但是,这种简单的伪标签生成方法难以获得足够数量的高质量伪标签。为了解决以上问题,提出了一种基于分层伪标签的图像聚类方法,它旨在利用结构化信息与伪标签信息对分类模型进行训练和精炼。引入3个假设来指导聚类方法的设计,包括局部平滑假设、自训练假设及低密度分离假设。新方法包含两个阶段:1)基于流形的一致性学习,利用近邻一致性学习来初始化聚类模型;2)基于分层伪标签的模型精炼,基于第一阶段的结果生成伪标签,并利用其来提升聚类模型的鲁棒性。首先,将基于第一阶段的结果生成强伪标签数据集及弱伪标签数据集;然后,提出了基于标签传播及分层混合的伪标签提升技术来提升弱伪标签数据集的质量;最后,同时利用强伪标签数据集及弱伪标签数据集来提升分类模型的泛化能力。相较于最优结果,SPC算法在STL10和Cifar100-20基准数据集上,ACC平均结果分别提升了7.6%和5.0%。 展开更多
关键词 深度聚类 一致性学习 伪标签 标签传播 自训练学习
下载PDF
极限标签下基于解耦特征伪标签传播的故障诊断
5
作者 邓聪颖 邓子豪 苗建国 《仪器仪表学报》 EI CAS CSCD 北大核心 2023年第10期145-155,共11页
面对实际工程中标签稀少,尤其是单类样本仅1个标签的极限标签场景,现有半监督诊断方法的故障识别能力严重不足。为此,本文提出一种基于解耦特征伪标签传播算法的半监督故障诊断方法。首先,引入局部选择的并行集成异常检测方法分离故障样... 面对实际工程中标签稀少,尤其是单类样本仅1个标签的极限标签场景,现有半监督诊断方法的故障识别能力严重不足。为此,本文提出一种基于解耦特征伪标签传播算法的半监督故障诊断方法。首先,引入局部选择的并行集成异常检测方法分离故障样本;其次,提出基于解耦特征的伪标签传播算法,通过解耦对抗自编码器获得增强的故障特征,进而通过故障特征降维、特征分布伪质心标定与距离度量实现高效伪标签传播;最后,利用伪标签故障样本训练故障分类器,结合异常检测实现高准确率故障诊断。两个旋转部件数据集上的实验结果表明,所提方法在单类故障标签数量为1时,同工况和跨工况实验下的平均诊断准确率分别超过97%和90%,明显优于对比方法。 展开更多
关键词 故障诊断 伪标签传播 半监督学习 极限标签
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