公共文化服务平台

搜索到2219篇“ 多标记“的相关文章

一种偏多标记学习方法和系统: 本发明提供一种偏多标记学习方法，包括：构建示例矩阵与包含候选标记的标记矩阵；基于所述示例和所述标记相关性假设，构造第一目标函数；基于类属属性和所述示例相关性假设，构造第二目标函数；将所述第一目标函数与第二目标函数相加获得...; 梁伟超高光亮

融合K-means聚类和标记相关性的多标记Relief特征选择: 2025年; 现有Relief算法在利用标记相关性方面存在不足,忽视了局部标记相关性所提供的宝贵信息。针对这一问题,提出了一种融合K-means聚类与标记相关性的多标记Relief特征选择方法。首先,为充分考虑样本标记相关性,采用K-means聚类算法对样本进行聚类,将其划分到不同的簇中,从而构建样本的局部标记空间。其次,定义了所有样本在特征上的欧式距离,以此衡量样本的全局标记相关性。同时,改进了传统的余弦相似度,使用L1范数的平方根进行优化,并在局部标记空间中应用改进的余弦相似度,以有效获取样本的局部标记相关性。最后,在Relief算法的基础上,融合了样本的全局标记相关性与局部标记相关性,以此作为衡量样本相似度的依据,进而判别最近邻同类样本与最近邻异类样本,最终获得特征权重。为评估所提算法的性能,在10个多标记数据集上进行了对比测试,实验结果证明,与其他多标记特征选择算法相比,本算法具有显著优势。; 丰昌武孙林; 关键词：多标记学习 K-MEANS聚类 RELIEF算法

一种基于多标记物协同引导的自主对接系统: 本申请公开了一种基于多标记物协同引导的自主对接系统，涉及水下航行器的自动控制领域，该方法包括：在回笼式结构的对接站本体上固定引导光源和嵌套式结构标识码的多个标记物，通过搭载的相机实时获取前进方向上的图像并进行标记物检测，...; 屈俊琪焦慧锋孙功武张万远张军李新光罗晴午

基于加权流形消歧和动态局部标记相关性的偏多标记分类方法、装置、设备及介质: 基于加权流形消歧和动态局部标记相关性的偏多标记分类方法、装置、设备及介质，涉及偏多标记学习技术领域。偏多标记分类方法，能够高效准确的处理复杂数据集。首先，将候选标记转化为逻辑标记矩阵，构建特征空间与标记分布的关系，并据此...; 孙真真单书豪陈旭

基于图提示的半监督开放词汇多标记学习: 2025年; 半监督多标记学习利用有标记数据和无标记数据进行模型的训练,降低了多标记数据的标记成本并取得了不错的结果,吸引了很多研究者不断进行研究.然而,在半监督标注过程中,由于标记的数量较多,往往会出现某些标记缺失标注样本的情况,这些标记被称为开放词汇.开放词汇会导致模型无法学习到该类别的标记信息,使得模型性能下降. 针对上述问题,提出了基于图提示的半监督开放词汇多标记学习方法. 具体地,该方法利用基于提示的图神经网络对预训练大模型进行微调,挖掘和探索开放词汇与监督样本之间的关系. 通过使用包含图像与文本的多模态数据构造图神经网络作为预训练大模型的文本输入进行学习. 其次利用预训练大模型在开放词汇上的泛化能力,对无监督样本生成伪标记,实现对输出分类层的微调,使模型在对开放词汇进行分类时能获得更加理想的效果. 多个基准数据集上的实验结果均显示,基于图提示的半监督开放词汇多标记学习方法优于目前的主流方法,在 VOC,COCO,CUB,NUS 等基准数据集上均取得了最优的效果.; 李仲年皇甫志宇杨凯杰营鹏孙统风许新征

BatchOOD:基于能量的批处理式多标记分布外检测: 2025年; 分布外(Out-of-Distribution,OOD)检测对于深度模型在开放环境中安全可靠地应用至关重要。现有方法通常利用深度网络提取分布内(In-Distribution,ID)表征,却忽略了对小批量样本间关系的学习,并且缺乏针对更符合现实设置的多标记OOD检测的研究。基于此,文章提出一种在批处理级上检测OOD样本的深度模型BatchOOD。首先,利用主干网络提取单个样本的初始特征;随后,引入BatchFormer模块从批量维度上探索样本间的依赖关系;最后,应用基于能量的多标记OOD检测器判别ID样本和OOD样本。在MS-COCO,PASCAL-VOC和NUS-WIDE 3个多标记数据集上的实验结果表明建模小批量间样本依赖关系更有利于模型学习到精确的ID表征,从而提高ID-OOD可分离性。与JointEnergy方法相比,文章所提出的模型在FPR95指标上分别实现了6.42%,5.72%和6.57%的性能提升。; 程一飞彭欣程玉胜陈启东; 关键词：多标记学习能量函数

一种利用数据重构的多标记图像数据特征选择方法及系统: 本发明涉及图像处理技术领域，公开了一种利用数据重构的多标记图像数据特征选择方法及系统，方法包括以下步骤：提取多标记图像的特征空间和标记空间；采用低秩表示对特征空间进行重构，得到重构的特征空间；通过方向牵引矩阵对标记空间进...; 范宇凌柳培忠唐加能刘景华

一种利用数据重构的多标记图像数据特征选择方法及系统: 本发明涉及图像处理技术领域，公开了一种利用数据重构的多标记图像数据特征选择方法及系统，方法包括以下步骤：提取多标记图像的特征空间和标记空间；采用低秩表示对特征空间进行重构，得到重构的特征空间；通过方向牵引矩阵对标记空间进...; 范宇凌柳培忠唐加能刘景华

基于神经坍缩的长尾多标记图像分类方法: 本发明属于多标记图像分类领域，具体公开了一种基于神经坍缩的长尾多标记图像分类方法，该方法通过使用等角紧框架的标签嵌入来指导不同类别的特征学习，使得不同类别特征满足神经坍缩的性质，最大化不同类别之间的差异，减少了同一个样本...; 李绍园陶子健陈松灿

频域mixup增广和logit补偿的自监督多标记不平衡心电图分类: 2025年; 自监督对比学习通过数据增广视图间的对比已被证明能习得好的特征表征,继而通过微调完成下游(分类)任务,因此得到广泛应用。心电图(ECG)作为非侵入、低风险和低成本的心血管疾病常用信号源,其分类有助于早期预防和精确治疗心率失常等。然而现有针对ECG表征学习的大多数方法仅通过对样本进行时域的扰动增广进行对比学习,其忽略了频域潜在的信息利用,留下了进一步提升表征质量的空间。为此,针对ECG样本设计了一个频域mixup的增广策略,通过交换样本间的频域信息生成原始样本的增广实现对比学习,弥补了现有ECG表征学习的不足。在下游微调阶段,考虑到ECG分类本质上属于多标记的类不平衡问题,提出了结合标签频率对二元交叉熵(BCE)损失作logit补偿缓和该问题。最后在CPSC2018和Chapman数据集上进行模型评估,实验结果表明提出的方法作为独立模块插入至多个基线模型在AUC和mAP指标上均有提高,尤其是个别罕见疾病性能指标提升显著,从而验证了该方法的有效性。; 操思源陈松灿; 关键词：心电图分类心率失常多标记

相关作者