半监督学习

作品数：1484被引量：4630H指数：23
导出分析报告
相关领域：自动化与计算机技术更多>>
相关作者：焦李成吕佳周志华侯彪汪西莉更多>>
相关机构：西安电子科技大学北京邮电大学浙江大学电子科技大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金国家高技术研究发展计划中央高校基本科研业务费专项资金江苏省自然科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=计算机工程与应用x
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于MVBCN-FLW的中文法律文书命名实体识别
《计算机工程与应用》2025年第2期219-226,共8页杨书新 刘天扬 黄伟东 
国家自然科学基金(72261018);江西省自然科学基金(20212BAB202014);江西省教育厅科技项目(GJJ2200830);江西省教育厅青年项目(GJJ2200868)。
中文法律文书命名实体识别是智慧司法的基础性任务。目前的中文法律文书命名实体识别研究中已经取得一些成果,但其中大部分方法依赖于已标注的法律语料而未有效利用未标注的法律语料,且不能深入获取法律文书的特征。针对上述问题,提出...
关键词：法律文书 实体命名识别 半监督学习 
约束传播自适应半监督非负矩阵分解聚类算法
《计算机工程与应用》2024年第13期81-91,共11页朱拓基 林浩申 赵伟豪 王靖 杨晓君 
广东省自然科学基金面上项目(2021A1515011141);国家部委基金;国家自然科学基金青年项目(61904041)。
对称非负矩阵分解(SNMF)能够自然地捕获图表示中嵌入的聚类结构,是线性和非线性数据聚类应用的重要方法。但其对变量的初始化较敏感,初始化矩阵的质量好坏会较大地影响聚类性能,且在半监督聚类中面临着从有限的标记数据中学习更具辨别...
关键词：对称非负矩阵分解 半监督学习 约束传播 聚类 
基于定位置信度加权的半监督目标检测算法
《计算机工程与应用》2024年第6期249-258,共10页冯泽恒 王丰 
国家自然科学基金(61901124);广东省自然科学基金(2021A1515012305);广州市基础研究计划项目(202102020856)。
为解决伪标签筛选过程的位置噪声数据问题,提出了基于定位置信度加权的Soft Teacher-LAH半监督目标检测算法。通过离散化目标检测网络定位分支的预测输出,引入具有定位感知功能的输出结构LAH。基于LAH预测输出,定义一种衡量定位精度的...
关键词：目标检测 半监督学习 伪标签 位置噪声 定位置信度 定位损失函数 
基于Tri-training的社交媒体药物不良反应实体抽取
《计算机工程与应用》2024年第3期177-186,共10页何忠玻 严馨 徐广义 张金鹏 邓忠莹 
国家自然科学基金(61562049,61462055)。
社交媒体因其数据的实时性,对其充分利用可以弥补传统医疗文献药物不良反应中实体抽取的迟滞性问题,但社交媒体文本面临标注数据成本高、数据噪声大等问题,使得模型难以发挥良好的效果。针对社交媒体大量未标注语料存在标注成本高的问题...
关键词：中文社交媒体 药物不良反应 实体抽取 半监督学习 TRI-TRAINING 
结合改进高斯核的图半监督转导小样本学习
《计算机工程与应用》2023年第17期328-333,共6页潘雪玲 李国和 于秋月 郭凯 李铮 
国家自然科学基金(60473125);克拉玛依科技计划项目(2020CGZH0009);中国石油大学(北京)克拉玛依校区科研基金(RCYJ2016B-03-001)。
近年来,深度学习在机器学习领域取得巨大的研究进展,广泛应用于各个行业。但其需要大量地标注数据训练模型,资源成本耗费较大。因此,小样本学习逐渐成为机器学习的研究热点之一,并可结合半监督学习解决小样本学习标注数据少的问题。为...
关键词：小样本学习 元学习 改进高斯核 图半监督学习 标签传播 
运用模态融合的半监督广义零样本学习被引量：1
《计算机工程与应用》2022年第5期163-171,共9页林爽 王晓军 
江苏省自然科学基金青年项目(BK20150854)。
映射域漂移和偏见性预测问题使得现有的方案无法很好地应对广义零样本学习挑战。在CADA-VAE模型的基础上,提出了基于模态融合的半监督学习方案,就如何利用未标注样本及语义辅助模型进行模态内自学习提供了一种思路。该方案使用潜层向量...
关键词：广义零样本学习 模态融合 半监督学习 视觉质心 
小样本下基于Wasserstein距离的半监督学习算法被引量：2
《计算机工程与应用》2022年第5期193-199,共7页马幪浩 王喆 
上海市科技计划项目(20511100600);国家自然科学基金(62076094)。
近年来,基于大规模标记数据集的深度神经网络模型在图像领域展现出优秀的性能,但是大量标记数据昂贵且难以收集。为了更好地利用无标记数据,提出了一种半监督学习方法Wasserstein consistency training(WCT),通过引入Jensen-Shannon散...
关键词：小样本 半监督学习 对抗样本 深度神经网络 
基于图卷积网络的谣言鉴别研究被引量：8
《计算机工程与应用》2021年第13期161-167,共7页米源 唐恒亮 
北京市高创计划青年拔尖人才项目(2017000026833ZK25);北京市通州区运河计划领军人才项目(YHLB2017038);北京物资学院基层学术团队建设项目(2019XJJCTD04)。
随着大数据时代的演进,互联网中的谣言成井喷状涌现。目前网络谣言鉴别方法中,基于监督学习的模型在训练过程中需要大量标注数据,同时网络谣言的人工标注用时较长,故提出采用半监督学习的图卷积神经网络,可有效利用无标注数据。通过在...
关键词：谣言鉴别 半监督学习 图卷积神经网络 
融合SLDA主题模型的不均衡文本分类方法被引量：3
《计算机工程与应用》2021年第12期144-154,共11页唐焕玲 刘艳红 郑涵 窦全胜 鲁明羽 
国家自然科学基金(61976124,61976125,61772319,61773244,61972235)。
在标签均衡分布且标注样本足够多的数据集上,监督式分类算法通常可以取得比较好的分类效果。然而,在实际应用中样本的标签分布通常是不均衡的,分类算法的分类性能就变得比较差。为此,结合SLDA(Supervised LDA)有监督主题模型,提出一种...
关键词：有监督主题模型 半监督学习 不均衡文本 分类 
引入生成对抗网络的室外场景单目深度估计被引量：3
《计算机工程与应用》2021年第6期176-183,共8页邹承明 胡佑璞 
国家重点研发计划(2018YFC0704300)。
生成对抗网络(GAN)算法在室外场景的深度估计任务中准确率较低,对于物体边界判断不准确。针对该问题,提出基于循环生成对抗网络(CycleGAN)的单目深度估计算法,将单幅图像映射到深度图像的过程拆分为两个子阶段。第一阶段中,网络学习图...
关键词：深度估计 生成对抗网络 图像转换 半监督学习 深度学习 
全选清除导出
共5页<12345>
检索报告 对象比较 聚类工具 使用帮助 返回顶部