程圣军
- 作品数:4 被引量:10H指数:2
- 供职机构:哈尔滨工业大学更多>>
- 发文基金:国家自然科学基金黑龙江省自然科学基金更多>>
- 相关领域:自动化与计算机技术更多>>
- 一种改进的ML-kNN多标记文档分类方法被引量:4
- 2013年
- 针对应用传统k近邻算法进行多标记文档分类时忽略了标记之间相关性的问题,提出了一种改进的ML-kNN多标记文档分类方法.针对文本特征的特点,采用一种基于KL散度的距离尺度来更好地描述文档相似度.根据近邻样本所属类别的统计信息,通过一种模糊最大化后验概率法则来推理未标记文档的标记集合.与ML-kNN不同的是,该方法可以有效地利用标记相关性来提升分类性能.在3个标准数据集上,5个多标记学习常用评测指标下的实验结果表明:所提方法在多标记文档分类问题上要明显优于ML-kNN、Rank-SVM和BoosTexter等主流多标记学习算法.
- 程圣军黄庆成刘家锋唐降龙
- 关键词:文档分类多标记学习K近邻KL散度
- 基于样本条件价值改进的Co-training算法被引量:4
- 2013年
- Co-training是一种主流的半监督学习算法.该算法中两视图下的分类器通过迭代的方式,互为对方从无标记样本集中挑选新增样本,以更新对方训练集.Co-training以分类器的后验概率输出作为新增样本的挑选策略,该策略忽略了样本对于当前分类器的价值.针对该问题,本文提出一种改进的Co-training式算法—CVCOT(Conditional value-based co-training),即采用基于样本条件价值的挑选策略来优化Co-training.通过定义无标记样本的条件价值,各视图下的分类器以样本条件价值为依据来挑选新增样本,以此更新训练集.该策略既可保证新增样本的标记可靠性,又能优先将价值较高的富信息样本补充到训练集中,可以有效地优化分类器.在UCI数据集和网页分类应用上的实验结果表明:CVCOT具有较好的分类性能和学习效率.
- 程圣军刘家锋黄庆成唐降龙
- 关键词:半监督学习CO-TRAINING
- 视频图像中雨滴检测与去除方法的研究
- 雨属于复杂天气环境中的一种时变性最强、最为复杂的天气因素。在室外条件下获得的图像序列容易受到复杂天气环境的不利影响,使图像序列的视觉效果和数据质量下降,进而直接导致对目标的监测、跟踪和识别的可靠性下降。为了使户外的视觉系...
- 程圣军
- 关键词:视频处理混合高斯模型
- 文献传递
- 基于带约束随机游走图模型的弱监督学习算法研究
- 传统监督机器学习面对的是监督信息明确且完整的对象,需要大量标记数据来保证学习机的泛化性能。随着研究不断深入以及应用不断推广,越来越多机器学习问题面对的是缺乏明确和完整监督信息的对象,由此产生了许多诸如半监督学习、多标记学...
- 程圣军
- 关键词:嵌入式技术