-
题名基于最小先验知识的自监督学习方法
- 1
-
-
作者
朱俊屹
常雷雷
徐晓滨
郝智勇
于海跃
姜江
-
机构
中国-奥地利人工智能与先进制造“一带一路”联合实验室(杭州电子科技大学)
-
出处
《计算机应用》
2025年第4期1035-1041,共7页
-
基金
国家重点研发计划项目(2022YFE0210700)
国家自然科学基金资助项目(72471767)
+1 种基金
浙江省基础公益研究计划项目(LTGG23F030003)
浙江省属高校基本科研业务费资助项目(GK239909299001-010)。
-
文摘
为了弥补有监督学习对监督信息要求过高的不足,提出一种基于最小先验知识的自监督学习方法。首先,基于数据的先验知识聚类无标签数据,或基于有标签数据的中心距离为无标签数据生成初始标签;其次,随机抽取赋予标签后的数据,并选择机器学习方法建立子模型;再次,计算各个数据抽取的权重和误差,以求得数据平均误差作为各个数据集的数据标签度,并根据初始数据标签度设置迭代阈值;最后,比较迭代过程中数据标签度的大小和阈值决定是否达到终止条件。在10个UCI公开数据集上的实验结果表明,相较于无监督学习K-means等方法、有监督学习支持向量机(SVM)等算法和主流自监督学习TabNet(Tabular Network)等方法,所提方法在不平衡数据集不使用标签,或在平衡数据集上使用有限标签时仍可以取得较高的分类准确度。
-
关键词
最小先验知识
自监督学习
机器学习
数据标签度
迭代阈值
-
Keywords
minimal prior knowledge
self-supervised learning
machine learning
data-label degree
iteration threshold
-
分类号
TP391.4
[自动化与计算机技术]
-
