2024年8月15日
星期四
|
欢迎来到青海省图书馆•公共文化服务平台
登录
|
注册
|
进入后台
[
APP下载]
[
APP下载]
扫一扫,既下载
全民阅读
职业技能
专家智库
参考咨询
您的位置:
专家智库
>
>
中央级公益性科研院所基本科研业务费专项(ZD2011-7-3)
作品数:
2
被引量:3
H指数:1
相关作者:
张晓宇
更多>>
相关机构:
中国科学技术信息研究所
更多>>
发文基金:
中央级公益性科研院所基本科研业务费专项
国家自然科学基金
更多>>
相关领域:
自动化与计算机技术
更多>>
相关作品
相关人物
相关机构
相关资助
相关领域
题名
作者
机构
关键词
文摘
任意字段
作者
题名
机构
关键词
文摘
任意字段
在结果中检索
文献类型
2篇
中文期刊文章
领域
2篇
自动化与计算...
主题
1篇
多模态融合
1篇
图像
1篇
图像分类
1篇
半监督学习
1篇
AL
1篇
标签
1篇
标签分类
机构
2篇
中国科学技术...
作者
2篇
张晓宇
传媒
1篇
计算机应用研...
1篇
高技术通讯
年份
1篇
2012
1篇
2011
共
2
条 记 录,以下是 1-2
全选
清除
导出
排序方式:
相关度排序
被引量排序
时效排序
基于多视角二维主动学习的多标签分类
被引量:3
2011年
针对多标签图像分类问题的特点,提出了一种多视角二维主动学习(MV-2DAL)算法,以通过多视角学习与主动学习的有机结合,深入挖掘样本、标签、视角三个维度上的相关性和冗余性。此算法以样本.标签对作为基本标注单位,在每个视角内,利用二维主动学习的方法计算样本、标签维度上的不确定度;在不同视角间,通过多视角融合的方法计算跨视角的不确定度;最终,将视角内不确定度与视角间不确定度进行融合得到总不确定度,并以此衡量样本-标签对的标注价值。将MV-2DAL算法应用到图像内容理解的一个重要领域——多标签图像分类中,显著提高了信息标注的针对性,不仅有效降低了信息冗余度,同时也大幅减少了数据标注量。
张晓宇
关键词:
图像分类
多模态融合
基于动态确定度传播的选择性采样
2012年
传统主动学习中采用的批量采样模式忽略了样本之间的相互关系,因而会不可避免地引入冗余。针对上述问题,提出了一种动态批量采样模式,采取"逐一标注,批量训练"的流程,综合利用当前分类模型和先前标注样本对后续采样进行动态指导;在此基础上,进一步提出了基于动态确定度传播的选择性采样算法,有效地提高了所选取样本的信息量。实验结果证明,基于动态确定度传播的选择性采样算法能够显著改进分类结果。
张晓宇
关键词:
半监督学习
全选
清除
导出
共1页
<
1
>
聚类工具
0
执行
隐藏
清空
用户登录
用户反馈
标题:
*标题长度不超过50
邮箱:
*
反馈意见:
反馈意见字数长度不超过255
验证码:
看不清楚?点击换一张