基于知识图谱的多源无标签数据推荐算法

1

作者 葛湘巍 刘洋 《计算机仿真》 2024年第10期473-477,共5页

为了全面提升多源无标签数据的推荐能力,实现高效准确的数据推荐效果,提出一种基于知识图谱的多源无标签数据推荐算法。构建多源无标签数据知识图谱,向量化处理多源无标签数据。融合数据的知识表示和时间编码,经过映射处理获取深层次的... 为了全面提升多源无标签数据的推荐能力,实现高效准确的数据推荐效果,提出一种基于知识图谱的多源无标签数据推荐算法。构建多源无标签数据知识图谱,向量化处理多源无标签数据。融合数据的知识表示和时间编码,经过映射处理获取深层次的用户行为项特征。通过Transformer机制编码用户语义表示和解码用户偏好,对用户语义偏好和目标内容展开预测,获取用户和候选多源无标签数据发生交互的概率,实现多源无标签数据推荐。实验结果表明,所提算法可以快速为用户提供准确的多源无标签数据推荐结果。 展开更多

关键词 知识图谱 多源无标签数据 语义偏好

下载PDF 职称材料

基于支持向量数据描述的无标签数据多类分类 被引量：3

2

作者 朱帮助 林健 《智能系统学报》 2009年第2期131-136,共6页

为解决支持向量机(SVM)在处理无标签数据多类分类上的难题,提出了一种基于支持向量数据描述(SVDD)的无标签数据多类分类算法.该方法只需要建立一个分类模型就可以实现多类聚类分类.首先采用主成分分析作数据预处理,提取输入数据的统计... 为解决支持向量机(SVM)在处理无标签数据多类分类上的难题,提出了一种基于支持向量数据描述(SVDD)的无标签数据多类分类算法.该方法只需要建立一个分类模型就可以实现多类聚类分类.首先采用主成分分析作数据预处理,提取输入数据的统计特征值,得到主成分特征指标输入到SVDD分类器进行多类聚类分类.以珠三角地区物流中心城市分类评价为研究对象,实证结果表明,采用主成分分析降低了数据维度,有效浓缩了评估信息,SVDD分类器很好地区分了各中心城市,实现了多类分类的目的. 展开更多

关键词 多类分类 无标签数据 支持向量数据描述 主成分分析

下载PDF 职称材料

利用带无标签数据的双支持向量机对恒星光谱分类 被引量：2

3

作者 刘忠宝 雷宇飞 +3 位作者 宋文爱 张静 王杰 屠良平 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2019年第3期948-952,共5页

恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进,人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此,研究人员开始关注数据挖掘算法,并尝试对这些光谱进行数据挖... 恒星光谱分类是天文技术与方法领域一直关注的热点问题之一。随着观测设备持续运行和不断改进,人类获得的光谱数量与日俱增。这些海量光谱为人工处理带来了极大挑战。鉴于此,研究人员开始关注数据挖掘算法,并尝试对这些光谱进行数据挖掘。近年来,神经网络、自组织映射、关联规则等数据挖掘方法广泛应用于恒星光谱分类。在这些方法中,支持向量机(SVM)以其强大的学习能力和高效的分类性能而备受推崇。SVM的基本思想是试图在两类样本之间找到一个最优分类面将两类分开。SVM在求解时,通过将其最优化问题转化为具有(QP)形式的凸问题,进而得到全局最优解。尽管该方法在实际应用中表现优良,但为了进一步提高其分类能力,有的学者提出双支持向量机(TSVM)。该方法通过构造两个非平行的分类面将两类分开,每一类靠近某个分类面,而远离另一个分类面。TSVM的计算效率较之传统SVM提高近4倍,因此,自TSVM提出后便受到研究人员的持续关注,并出现若干改进算法。在恒星光谱分类中,一般分类算法都是根据历史观测光谱来建立分类模型,其中最关键的是对光谱进行人工标注,这项工作极为繁琐,且容易犯错。如何利用已标记的光谱以及部分无标签的光谱来建立分类模型显得尤为重要。因此,提出带无标签数据的双支持向量机(TSVMUD)用以实现对恒星光谱智能分类的目的。该方法首先将光谱分为训练数据集和测试数据集两部分;然后,在训练集上进行学习,得到分类依据;最后利用分类依据对测试集上的光谱进行验证。继承了双支持向量机的优势,更重要的是,在训练集上学习分类模型过程中,不仅考虑有标记的训练样本,也考虑部分未标记的样本。一方面提高了学习效率,另一方面得到更优的分类模型。在SDSS DR8恒星光谱数据集上的比较实验表明,与支持向量机SVM、双支持向量机TSVM以及K近邻(KNN)等传统分类方法相比,带无标签数据的双支持向量机TSVMUD具有更优的分类能力。然而,该方法亦存在一定的局限性,其中一大难题是其无法处理海量光谱数据。该工作将借鉴海量数据随机采样思想,利用大数据处理技术,来对所提方法在大数据环境下的适应性展开进一步研究。 展开更多

关键词 恒星光谱 智能分类 双支持向量机 无标签数据

下载PDF 职称材料

面向属性情感分类的无标签数据增强位置感知网络

4

作者 蒋慧凯 李晓戈 +2 位作者 安晓春 王甜甜 阮桁 《计算机工程》 CAS CSCD 北大核心 2023年第11期106-114,共9页

在现有的属性情感分类研究中,训练模型时大多完全依赖标签数据或需要引入文本级标签数据作为补充,很少关注无标签数据对模型性能的提升。提出一种基于无标签数据增强的位置感知网络(UDE-PAN)。引入交叉可视训练(CVT)的半监督训练算法,... 在现有的属性情感分类研究中,训练模型时大多完全依赖标签数据或需要引入文本级标签数据作为补充,很少关注无标签数据对模型性能的提升。提出一种基于无标签数据增强的位置感知网络(UDE-PAN)。引入交叉可视训练(CVT)的半监督训练算法,使模型能够同时利用无标签数据。CVT算法在标签数据和无标签数据中交替训练模型来提升表征学习能力,使模型在无标签数据中学习到额外知识。此外,基于语义相对距离(SRD)嵌入层和动态特征加权(CDW)层捕获属性词和上下文的关系:SRD嵌入层显式地将位置信息建模成特征向量,使上下文特征包含特定的属性信息;CDW层通过动态设置权重系数来感知上下文中与属性词更密切的部分。在SemEval14的2个公开数据集上的实验结果表明:UDE-PAN的准确率分别达到76.23%、82.47%,Macro-F1值分别达到72.13%、73.97%,优于对比的主流模型,验证了模型的有效性;借助CVT算法,无标签数据的训练对模型的准确率平均提升1%,Macro-F1平均提升2%,验证了无标签数据可以有效增强模型性能。 展开更多

关键词 属性情感分类 无标签数据 位置感知 交叉视图训练 注意力机制

下载PDF 职称材料

使用无标签数据的主成分初始化方法

5

作者 欧军 李玉鑑 沈成恺 《北京工业大学学报》 CAS CSCD 北大核心 2019年第7期654-661,共8页

为了解决初始化方法的不确定性以及有标签数据的不足,提出一种使用无标签数据对网络参数进行主成分初始化的方法,包括采样、主成分计算、初始化和重排卷积核4个步骤.首先,通过移动感受野区域对特征图进行采样,得到与特征图的所有感受野... 为了解决初始化方法的不确定性以及有标签数据的不足,提出一种使用无标签数据对网络参数进行主成分初始化的方法,包括采样、主成分计算、初始化和重排卷积核4个步骤.首先,通过移动感受野区域对特征图进行采样,得到与特征图的所有感受野对应的图像块并形成采样集合;然后,计算采样集合的主成分;最后,使用主成分初始化网络参数并重排卷积核,以便提高识别性能.在相同的网络结构和数据集上,即STL-10和CIFAR-10数据集,该方法比传统的初始化方法在识别准确率上提高了4%~20%.实验结果表明,该方法能够充分利用无标签数据初始化网络参数以取得显著的识别效果.此外,通过算法的性能评估,证明该方法明显优于传统的初始化方法. 展开更多

关键词 初始化方法 网络参数 无标签数据 主成分 采样

下载PDF 职称材料

基于无标签数据的音源分离

6

作者 郭慧娴 《电声技术》 2022年第10期84-86,共3页

音源分离目前大多采用有监督的深度学习方法,这种方法往往需要利用大量的标签数据进行建模。然而,实际中标签数据并不容易获取且价格昂贵。针对无标签数据的音源分离只能采用有意义的先验知识来弥补标签数据的不足,对此,提出一种基于先... 音源分离目前大多采用有监督的深度学习方法,这种方法往往需要利用大量的标签数据进行建模。然而,实际中标签数据并不容易获取且价格昂贵。针对无标签数据的音源分离只能采用有意义的先验知识来弥补标签数据的不足,对此,提出一种基于先验知识的U-Net模型。它既不影响现有卷积体系结构的网络复杂性,也不影响其收敛行为,但能显著改善分离后的音频质量。实验结果表明,所提出的方法的分离效果比传统模型更好。 展开更多

关键词 音源分离 无标签数据 U-Net模型

下载PDF 职称材料

面向无标签数据的旋转机械故障诊断方法 被引量：8

7

作者 陈菲 杨峥 +1 位作者 张志成 罗巍 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2022年第11期2514-2522,共9页

针对旋转机械故障诊断算法大多面向有标签的数据,且参数多需要人为设置的问题,提出了一种面向无标签数据、参数自适应化的二次异常识别加聚类的无监督诊断算法。该方法通过改进经验小波变换和拉普拉斯分值算法对信号进行特征提取和选择... 针对旋转机械故障诊断算法大多面向有标签的数据,且参数多需要人为设置的问题,提出了一种面向无标签数据、参数自适应化的二次异常识别加聚类的无监督诊断算法。该方法通过改进经验小波变换和拉普拉斯分值算法对信号进行特征提取和选择,并采用二次异常识别结合改进模糊C均值聚类的无监督方法进行故障识别。通过电主轴转子系统故障数据验证,所提方法诊断精度可达93%,与传统无监督诊断方法对比,具有良好的准确性和鲁棒性。 展开更多

关键词 故障诊断 旋转机械 无标签数据 参数自适应 无监督学习

原文传递

基于一致损失生成对抗网络的冷水机组故障诊断

8

作者 高学金 吴浩宁 +1 位作者 高慧慧 齐咏生 《仪器仪表学报》 北大核心 2025年第1期285-297,共13页

冷水机组是供暖通风与空气调节系统的重要组成部分,当冷水机组发生故障时将造成能源浪费甚至安全事故。因此,针对冷水机组的故障诊断对于暖通风与空气调节等系统至关重要。基于数据驱动的故障诊断方法依赖大量历史数据,但带标签的故障... 冷水机组是供暖通风与空气调节系统的重要组成部分,当冷水机组发生故障时将造成能源浪费甚至安全事故。因此,针对冷水机组的故障诊断对于暖通风与空气调节等系统至关重要。基于数据驱动的故障诊断方法依赖大量历史数据,但带标签的故障数据往往难以收集,导致模型的诊断准确率下降。为此,提出了一种基于一致损失生成对抗网络(CLGAN)的故障诊断方法。首先,利用少量带标签样本和大量无标签样本训练CLGAN,并生成故障数据;然后,利用生成数据与历史数据构建一个包含各类故障的平衡数据集;最后,利用该数据集训练故障分类器并对冷水机组进行实时诊断。CLGAN通过在判别器中引入一致性损失函数,能够有效利用无标签数据辅助模型训练,提升了数据利用率。同时,CLGAN迫使生成器在多个尺度上满足判别器的要求,这种多维度的反馈机制使得模型在面对扰动时,依然能生成高质量的样本,进而提高故障诊断的准确性和鲁棒性。基于ASHRAE和HY-31C数据集的实验结果表明,在各类别仅有5个带标签样本的情况下,CLGAN分别获得了92.8%和95.9%的故障诊断准确率,展现了良好的故障诊断性能。此外,在噪声和跨工况实验中,CLGAN相比于其他对比方法也展现出了良好的鲁棒性和泛化性。 展开更多

关键词 故障诊断 生成对抗网络 冷水机组 一致损失函数 无标签数据

原文传递

基于压缩感知的无标签行为数据标记方法 被引量：1

9

作者 宋辉 张荣 《西安邮电大学学报》 2020年第2期64-67,共4页

针对传统无标签行为数据标记方法需要事先计算行为类别数目的不足,提出一种基于压缩感知的无标签行为数据标记方法。按照无标签数据最大可能类别数目进行聚类,从各聚类簇中选择高可信数据,使用压缩感知的冗余字典矩阵对高可信数据进行识... 针对传统无标签行为数据标记方法需要事先计算行为类别数目的不足,提出一种基于压缩感知的无标签行为数据标记方法。按照无标签数据最大可能类别数目进行聚类,从各聚类簇中选择高可信数据,使用压缩感知的冗余字典矩阵对高可信数据进行识别,通过动态匹配得到数据类别标签。实验结果表明,该方法对6种人体行为无标签数据的平均标记准确率达到96.80%,能够实现不计算行为类别数目进行数据标记。 展开更多

关键词 无标签行为数据 数据标记 压缩感知

下载PDF 职称材料

基于循环神经网络的时序fMRI数据分类方法研究 被引量：8

10

作者 张兆晨 冀俊忠 《小型微型计算机系统》 CSCD 北大核心 2018年第7期1426-1430,共5页

针对现有分类模型未充分利用fMRI数据时序特性的问题,提出了一种基于循环神经网络(RNN)的时序fMRI数据分类模型.首先,使用任务态有标注数据训练卷积神经网络模型,得到相应网络参数.然后,将有标注数据和无标注数据按时序组合,共同输入到... 针对现有分类模型未充分利用fMRI数据时序特性的问题,提出了一种基于循环神经网络(RNN)的时序fMRI数据分类模型.首先,使用任务态有标注数据训练卷积神经网络模型,得到相应网络参数.然后,将有标注数据和无标注数据按时序组合,共同输入到上一步训练好的模型中,以提取全连接层特征.最后,将提取的特征以一个标签一个时间序列的方式组成有序对输入到RNN中,通过训练得到最终的分类模型.在Haxby数据集上的实验结果表明,使用RNN提取fMRI数据时序特征可有效提升模型分类准确率,并且加入休息态无标注数据后,模型分类性能得到了进一步提升. 展开更多

关键词 fMRI数据分类 卷积神经网络 循环神经网络 无标签数据

下载PDF 职称材料

基于无标签半监督学习的商品识别方法 被引量：4

11

作者 刘文豪 姜胜明 《计算机应用与软件》 北大核心 2022年第7期167-173,共7页

深度学习商品识别技术存在有标签数据获取成本高、无标签数据获取简单高效的问题,给技术的实际应用造成了一定障碍。为解决在少量有标签数据下用大量无标签数据提高模型准确率的问题,提出一种半监督学习方法。使用基于self-training的... 深度学习商品识别技术存在有标签数据获取成本高、无标签数据获取简单高效的问题,给技术的实际应用造成了一定障碍。为解决在少量有标签数据下用大量无标签数据提高模型准确率的问题,提出一种半监督学习方法。使用基于self-training的方式训练两个目标检测模型;在检测模型的损失函数中加入基于熵的正则化项,提高无标签预测的准确性;为避免错误伪标签数据不断被使用,采取co-training的训练方式。通过构建包含16 000幅图片的商品识别数据集,最终实验结果表明,相比没有利用无标签数据之前,SSD模型的精度从90.6%提高到了97.2%,YOLOv3模型精度从91.7%提高到了96.9%。 展开更多

关键词 半监督学习 商品识别 目标检测 无标签数据 伪标签

下载PDF 职称材料

基于改进半监督生成对抗网络的少量标签轴承智能诊断方法 被引量：7

12

作者 邢晓松 郭伟 《振动与冲击》 EI CSCD 北大核心 2022年第22期184-192,共9页

轴承在线监测大数据主要是由大量无标签数据和少量有标签数据组成的。已有的智能诊断方法多依赖于大量有标签数据的监督学习。针对此问题,提出一种改进半监督生成对抗网络,利用生成器与分类器的对抗学习增强分类器的辨识能力,提出了增... 轴承在线监测大数据主要是由大量无标签数据和少量有标签数据组成的。已有的智能诊断方法多依赖于大量有标签数据的监督学习。针对此问题,提出一种改进半监督生成对抗网络,利用生成器与分类器的对抗学习增强分类器的辨识能力,提出了增强特征匹配算法,借助分类器的深层特征优化网络损失值计算,进而提高网络收敛速度,结合半监督学习使用少量有标签数据进一步提升分类器的学习能力,最终实现对无标签数据的正确归类。使用四组轴承试验数据的迁移学习验证和对比了改进深度网络对不同轴承、工况、故障生成模式、故障程度的辨识能力,结果表明该网络具有更高的分类准确率和更快的收敛速度。 展开更多

关键词 深度学习 迁移学习 故障诊断 半监督学习 无标签数据 轴承

下载PDF 职称材料

基于加权非负矩阵分解的异常声音检测方法研究

13

作者 潘雨青 于浩 李峰 《计算机工程与科学》 CSCD 北大核心 2024年第8期1425-1432,共8页

异常声音检测方法多用强标签数据进行训练,而高质量的强标签音频数据标注难度较大、收集成本高昂。针对现有异常音频检测方法使用弱标签数据会受到非平稳和时变噪声的干扰,导致训练结果较差、准确率低的问题,提出一种基于音频频谱的加... 异常声音检测方法多用强标签数据进行训练,而高质量的强标签音频数据标注难度较大、收集成本高昂。针对现有异常音频检测方法使用弱标签数据会受到非平稳和时变噪声的干扰,导致训练结果较差、准确率低的问题,提出一种基于音频频谱的加权非负矩阵分解WNMF方法。该方法使用WNMF对弱标签和无标签数据进行标记,并分离目标声音事件和背景噪声。在适当的权值下,WNMF改变标记时不同频段音频信息的重要性,以抑制噪声,提高分离质量,使其逼近全监督模型训练的效果;之后使用卷积神经网络产生帧级预测和音频标签预测。仿真实验结果表明,该方法的准确率相比于传统NMF处理弱标签数据的方法提升了4.8%。 展开更多

关键词 异常声音检测 弱标签和无标签数据 加权非负矩阵分解 卷积神经网络

下载PDF 职称材料

基于Tri-SE-CNN的风电机组叶片结冰检测研究

14

作者 孙坚 杨宇兵 《太阳能学报》 CSCD 北大核心 2024年第12期360-369,共10页

针对现有风力机叶片结冰检测方法未能充分利用无标签数据,且分类性能差的问题,提出一种基于改进的三重训练和卷积神经网络(Tri-SE-CNN)的结冰检测方法。首先建立基于最优加权策略的三重训练(Tri-training)模型,对无标签样本的状态进行判... 针对现有风力机叶片结冰检测方法未能充分利用无标签数据,且分类性能差的问题,提出一种基于改进的三重训练和卷积神经网络(Tri-SE-CNN)的结冰检测方法。首先建立基于最优加权策略的三重训练(Tri-training)模型,对无标签样本的状态进行判别,用以扩充训练集;接着将压缩与激励(SE)模块嵌入到卷积神经网络(CNN)中,并用SE-CNN分类器学习扩充后的样本集。结合提取的叶片结冰主控特征,以2017年工业大数据创新竞赛平台中15号和21号风力机数据为例进行仿真,并用云南某风场历史数据进行验证。实验结果表明,所提方法的准确度优于CNN、支持向量机等方法,在15号风力机上达到99.96%,可为风力机叶片结冰预警提供有益参考。 展开更多

关键词 风电机组叶片 无标签数据 卷积神经网络 三重训练 压缩和激励网络 结冰检测

原文传递

基于半监督学习Informer算法的工业机器人故障诊断方法 被引量：1

15

作者 宋俊杰 陈翀 +1 位作者 王涛 程良伦 《机电工程技术》 2024年第2期24-28,共5页

在工业领域中,六轴机器人的故障监测数据难以收集大量的故障标签数据。传统的智能诊断方法通常依赖于大规模有标签数据的监督学习,但这在实际应用中存在局限。在解决这一问题的同时,针对单一模型特征提取能力不足、分类性能差的问题,结... 在工业领域中,六轴机器人的故障监测数据难以收集大量的故障标签数据。传统的智能诊断方法通常依赖于大规模有标签数据的监督学习,但这在实际应用中存在局限。在解决这一问题的同时,针对单一模型特征提取能力不足、分类性能差的问题,结合半监督学习机制与Informer在处理时序数据的优势,提出一种基于半监督学习和概率稀疏注意力的Informer网络架构,实现对少量有标签数据和大量未标签数据的深度学习,以实现对设备故障的精准诊断。对多组真实环境下采集的工业六轴机器人试验数据进行验证,并与CNN、LSTM、GRU 3种深度学习网络对不同故障程度的辨识能力进行比较。结果表明,在无标签数据为100%组的对比实验中所提出方法的故障诊断准确率达到了90%,同时具有更高的分类准确率和更快的收敛速度;在10%标签数据的条件下所提出方法可实现的诊断准确率达到89.7%。 展开更多

关键词 深度学习 故障诊断 半监督学习 无标签数据 工业机器人

下载PDF 职称材料

基于半监督学习的梨叶病害检测 被引量：1

16

作者 郑旭康 李志忠 秦俊豪 《江苏农业科学》 北大核心 2024年第5期192-201,共10页

植物病害的检测与识别是一个日益发展的研究领域,随着机器学习和深度学习概念的不断介入,为农业的发展提供了重要的技术支持。然而,目标检测技术存在着带标注数据获取成本高,且需要大量的人工来对数据进行标注等问题,给技术的实际应用... 植物病害的检测与识别是一个日益发展的研究领域,随着机器学习和深度学习概念的不断介入,为农业的发展提供了重要的技术支持。然而,目标检测技术存在着带标注数据获取成本高,且需要大量的人工来对数据进行标注等问题,给技术的实际应用造成了一定的阻碍。为解决在使用少量已标注数据及大量未标注数据进行训练模型从而提高准确率的问题,提出一种YOLO目标检测结合self-training半监督学习的方法,并且针对现有的YOLO v3-Tiny目标检测网络在半监督学习基础上准确率相比于监督学习较低的问题,对原有的YOLO v3-Tiny模型进行了改进。首先,使用空间金字塔池化结构对主干网络的多尺度特征进行融合;其次,将YOLO v3-Tiny检测头部分的标准卷积层替换成GSConv;最后,运用BiFPN结构对中间部分的特征与检测头部分的多尺度特征进行双向融合。本研究提出的基于半监督学习的改进型YOLO v3-Tiny网络可以快速准确地检测出梨叶上的病斑,在试验中,准确度、召回率、平均精度分别达到97.07%、93.78%、97.51%,对于快速准确地诊断出梨叶病斑的危害程度并且及时进行防治具有十分重要的意义。 展开更多

关键词 深度学习 半监督学习 目标检测 梨 无标签数据

下载PDF 职称材料

基于动态阈值增强原型网络的联邦半监督学习模型

17

作者 陈涛 谢在鹏 屈志昊 《智能系统学报》 CSCD 北大核心 2024年第3期534-545,共12页

目前,联邦半监督学习面临着有效利用训练过程中大量无标签数据的挑战。尽管通过轻量级的原型网络实现客户端之间的知识共享可以缓解伪标签质量问题,但仍然有瓶颈。本文提出一种新的动态阈值增强下的原型网络联邦半监督学习算法。通过引... 目前,联邦半监督学习面临着有效利用训练过程中大量无标签数据的挑战。尽管通过轻量级的原型网络实现客户端之间的知识共享可以缓解伪标签质量问题,但仍然有瓶颈。本文提出一种新的动态阈值增强下的原型网络联邦半监督学习算法。通过引入课程伪标签技术,其核心是对不同类别样本的学习状态动态调整阈值,使模型能够学习高质量的样本,显著提高模型的预测性能。实验结果表明,本算法在多个数据集上均取得优异的测试性能。在CIFAR-10数据集上,本算法相对于同类算法至少提高3%的测试精度。此外在SVHN和STL-10数据集上也有1%~7%的领先优势。值得注意的是,本算法在处理异质性和同质性数据时表现出色,且对于不同比例的有标签和无标签数据都具有良好的适应性。本算法不仅提高测试精度,而且未带来额外的通信开销和计算成本。这些结果表明本算法在联邦半监督学习领域具有巨大潜力,并为实际应用提供了一个性能卓越且高效的解决方案。 展开更多

关键词 联邦学习 半监督学习 知识共享 原型网络 伪标签 动态阈值 无标签数据 数据异质性

下载PDF 职称材料

基于流形正则化的支持向量机文本分类 被引量：12

18

作者 袁爱领 齐伟 钱旭 《软件》 2013年第2期65-68,共4页

支持向量机(Support Vector Machine,SVM)是一种Vapnik等在统计学理论的基础上发展起来的可训练机器学习的方法。它主要针对小样本的机器学习,具有泛化性能好、高维操作方便、适应性强、全局优化、训练时间短、理论完备等特点,因此得到... 支持向量机(Support Vector Machine,SVM)是一种Vapnik等在统计学理论的基础上发展起来的可训练机器学习的方法。它主要针对小样本的机器学习,具有泛化性能好、高维操作方便、适应性强、全局优化、训练时间短、理论完备等特点,因此得到了日益广泛的应用和研究。本文将半监督学习算法应用到基于支持向量机的文本分类技术[1-2]中,提出了一组基于几何正则化方式的学习算法。虽然这种新型算法适用于无监督到完全监督的整个范围,本文专注于半监督学习算法方面的研究。之后,本文讨论了新型方法在SVM算法上的扩展。实验数据表明,这种新型算法可以有效的使用未标记数据。 展开更多

关键词 半监督学习 正则化 核方法 流形学习 无标签数据 支持向量机 图谱轮

下载PDF 职称材料

基于非线性Logistic模型的改进UDEED算法 被引量：2

19

作者 庄立纯 张正军 +1 位作者 张乃今 李君娣 《计算机工程》 CAS CSCD 北大核心 2019年第7期208-211,共4页

针对UDEED算法中线性Logistic模型分类预测准确率较低的问题,基于泰勒展开式,提出一种多项式核的非线性Logistic模型改进算法。研究非线性Logistic模型的核函数参数估计方法,更新损失函数的计算规则,并利用梯度下降法求解改进UDEED模型... 针对UDEED算法中线性Logistic模型分类预测准确率较低的问题,基于泰勒展开式,提出一种多项式核的非线性Logistic模型改进算法。研究非线性Logistic模型的核函数参数估计方法,更新损失函数的计算规则,并利用梯度下降法求解改进UDEED模型,实现数据集的分类预测。实验结果表明,与UDEED算法相比,改进算法提高了分类预测的准确率。 展开更多

关键词 UDEED算法 非线性Logistic模型 半监督学习 无标签数据 梯度下降

下载PDF 职称材料

基于改进域对抗网络的轴承故障迁移诊断方法 被引量：3

20

作者 张金汇 谢林柏 《电子测量与仪器学报》 CSCD 北大核心 2022年第11期107-115,共9页

针对工业场景下复杂工况导致的轴承故障数据特征分布差异,以及难以获得大量有标签数据的问题,提出一种基于Wasserstein距离与局部最大平均偏差(LMMD)改进的一维卷积子域适应对抗迁移网络(SANN)。该网络首先构建CNN特征提取器进行预训练... 针对工业场景下复杂工况导致的轴承故障数据特征分布差异,以及难以获得大量有标签数据的问题,提出一种基于Wasserstein距离与局部最大平均偏差(LMMD)改进的一维卷积子域适应对抗迁移网络(SANN)。该网络首先构建CNN特征提取器进行预训练,学习领域特征表示,在对抗训练阶段,对抗层引入Wasserstein距离来度量源域与目标域的差异,实现边缘分布的对齐,固化训练结果。在特征提取层引入LMMD计算模块捕获每个类别的细粒度信息,实现条件分布的对齐。通过两种变工况下的轴承故障数据集对该模型性能进行验证。实验结果表明,无监督的条件下,本文所提方法在目标数据集上相较于基础域对抗网络分别提高了5.0%和6.9%的识别精度,性能优于现有的迁移算法。 展开更多

关键词 轴承故障 智能故障诊断 无标签数据 对抗迁移网络

原文传递