检索结果-南通市图书馆

土地利用分类粒子群优化概率神经网络半监督算法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第2期53卷 167-176页

作者：王春阳汤子梦吴喜芳李长春张合兵河南理工大学测绘与国土信息工程学院焦作454003 河南理工大学计算机科学与技术学院焦作454003

针对以往土地利用监测大都采用监督分类算法,成本较高、错分漏分严重且受人为因素影响较大的问题,提出了一种粒子群优化概率神经网络的半监督分类算法。该算法通过粒子群优化算法优化分类器的参数,提高分类器的精度,运用香农熵选择高置... 详细信息

针对以往土地利用监测大都采用监督分类算法,成本较高、错分漏分严重且受人为因素影响较大的问题,提出了一种粒子群优化概率神经网络的半监督分类算法。该算法通过粒子群优化算法优化分类器的参数,提高分类器的精度,运用香农熵选择高置信度的样本扩展初始训练样本集,将大量未标记的样本扩展到训练样本集中,减少了初始标签样本的数量,节约了成本,并与随机森林法、最大似然法、概率神经网络算法进行对比分析,总体精度较其他算法提高了1.25~6.57个百分点,Kappa系数达到0.8以上。对新乡市1996年、2004年、2013年、2020年的遥感影像进行土地分类,结果表明1996—2020年间新乡市的建设用地以中部地区新乡县为中心不断扩张,耕地面积也在不断增加,其他用地面积不断减少,沿黄河绿地面积不断增加;土地流转方面耕地转建设用地最为明显,本研究为新乡市进一步合理开发土地资源提供了理论依据。

关键词：土地利用分类半监督算法粒子群优化概率神经网络香农熵转移矩阵

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于混合k近邻图的聚类及半监督算法研究

基于混合k近邻图的聚类及半监督算法研究

作者：秦一焜华南理工大学

学位级别：硕士

随着万物互联的时代到来,人们可以获得的数据呈爆炸式的增长。但这些数据大多数是无标签的,而标注海量的数据需要花费大量的人力物力。因此,半监督以及无监督算法得到了研究者们的广泛关注,希望能利用少量标注样本甚至不使用标注样本完... 详细信息

随着万物互联的时代到来,人们可以获得的数据呈爆炸式的增长。但这些数据大多数是无标签的,而标注海量的数据需要花费大量的人力物力。因此,半监督以及无监督算法得到了研究者们的广泛关注,希望能利用少量标注样本甚至不使用标注样本完成机器学习任务。现存的大部分聚类以及半监督算法都无法很好的处理复杂的非线性数据集,为了弥补这一缺陷,本文提出了一种新型的图模型——混合k近邻图,并提出了基于该图模型的聚类和半监督算法。本文第二章首先详细介绍了获得广泛研究的两种图模型:k近邻图和互k近邻图。并分析了基于这两种图模型的算法的特点。最后提出融合了k近邻图和互k近邻图的优点的混合k近邻图。本文第三章主要介绍了基于混合k近邻图的聚类算法CHKNN,该算法分为两个步骤。第一步骤会生成较多小而紧凑的子簇,第二步骤将根据这些子簇之间的连通关系合并部分子簇而形成最终的聚类结果。此外,为了便于挑选聚类算法的参数及评价聚类结果的好坏,本文还进一步提出了基于k近邻图的内部评价指标KNNI。大量在人工和真实数据集上的比较结果都可以证明CHKNN聚类算法及内部评价指标KNNI的效果要优于当前主流的算法。本文第四章详细介绍了基于混合k近邻图的半监督算法SSLHKNN,该算法充分利用了少量已标注数据点的信息,对算法中初步生成的子簇进行标注和合并,形成了较大的已标注子簇后,再根据连通及近邻关系将标签传播至其他未标注的子簇中。最后列举了SSLHKNN半监督算法与当前半监督领域中著名算法的比较结果,结果表明SSLHKNN在处理复杂非线性数据集的半监督问题时,在准确率上有较大的提升。

关键词：混合k近邻图非线性数据集聚类算法内部评价指标半监督算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

半监督算法在自然语言处理中的应用研究

科技创新导报 2019年第6期16卷 131-132页

作者：黄春广西博联信息通信技术有限责任公司广西南宁530000

随着科学技术的发展进步,机器学习方法在自然语言处理领域已经得到了广泛的普及与应用。半监督算法作为其中一项重要方法,具有更一般的假设,方法更加直观,解释性好,因此在自然语言处理中有着广泛的应用。本文以半监督算法在自然语言处... 详细信息

随着科学技术的发展进步,机器学习方法在自然语言处理领域已经得到了广泛的普及与应用。半监督算法作为其中一项重要方法,具有更一般的假设,方法更加直观,解释性好,因此在自然语言处理中有着广泛的应用。本文以半监督算法在自然语言处理中的应用为研究对象,首先分析了半监督算法在自然语言处理中应用必要性,随后探讨分析了半监督算法的一些具体应用方式。

关键词：半监督算法自然语言处理应用

在线全文

学校读者我要写书评

暂无评论

基于相对变换的半监督分类算法

计算机应用 2011年第10期31卷 2793-2795页

作者：易淼刘小兰宜春学院物理科学与工程技术学院江西宜春336000 华南理工大学理学院广州510640

为了增强基于图的局部和全部一致性(LGC)半监督算法的处理稀疏和噪声数据的能力,提出了一种基于相对变换的LGC算法。该算法通过相对变换将原始数据空间转换到相对空间,在相对空间中噪声和孤立点远离正常点,稀疏的数据变得相对密集,从而... 详细信息

为了增强基于图的局部和全部一致性(LGC)半监督算法的处理稀疏和噪声数据的能力,提出了一种基于相对变换的LGC算法。该算法通过相对变换将原始数据空间转换到相对空间,在相对空间中噪声和孤立点远离正常点,稀疏的数据变得相对密集,从而可以提高算法的性能。仿真实验结果表明,基于相对变换的LGC算法有更强的处理稀疏和噪声数据的能力。

关键词：半监督算法图方法相对变换

在线全文

学校读者我要写书评

暂无评论

半监督有局部差异的图嵌入算法

传感器与微系统 2014年第7期33卷 144-146,153页

作者：梁兴柱林玉娥林玉荣安徽理工大学计算机科学与工程学院安徽淮南232011 哈尔滨工业大学航天学院黑龙江哈尔滨150001

针对已有基于图嵌入的半监督算法的缺点,提出了一种半监督有局部差异的图嵌入算法。算法的思想是在保持数据的几何结构同时,最大化样本的差异信息,可有效地防止过学习问题。为了解决小样本问题,采用了差形式的目标函数,并通过参数来调... 详细信息

针对已有基于图嵌入的半监督算法的缺点,提出了一种半监督有局部差异的图嵌入算法。算法的思想是在保持数据的几何结构同时,最大化样本的差异信息,可有效地防止过学习问题。为了解决小样本问题,采用了差形式的目标函数,并通过参数来调整两部分样本所起作用的大小。最后在ORL和UMIST人脸库上进行了实验,实验结果明显优于已有2种经典算法的识别结果,最优时识别率提高了2.25%和2.23%。

关键词：半监督算法差异过学习问题小样本问题

主旋律电视剧与电视新闻在海外视频平台建构国家形象的效果研究

在线全文

学校读者我要写书评

暂无评论

传播创新研究

传播创新研究 2024年第1期 171-189+224-225页

作者：徐曳恺东京大学

本文以YouTube平台上两种主流中国视频产品——主旋律电视剧和电视新闻下的外文评论为研究对象，使用情感分析和主题分析等方法，探讨两种视频产品建构积极国家形象的效果。为了确保分析的全面性，本文的数据收集范围长达44个月，覆盖7... 详细信息

本文以YouTube平台上两种主流中国视频产品——主旋律电视剧和电视新闻下的外文评论为研究对象，使用情感分析和主题分析等方法，探讨两种视频产品建构积极国家形象的效果。为了确保分析的全面性，本文的数据收集范围长达44个月，覆盖7部电视剧和2家新闻媒体。同时，本文使用文心一言实现了准确、可解释且快速的情感分析，验证了大语言模型作为政治传播研究中情感分析工具的可行性。在主题分析方法上，本文引入半监督算法，实现了可复现的主题分析。研究结果表明，在主旋律电视剧和电视新闻所收获的评论中，对华情感积极的评论分别达到了消极评论数的6.32倍和1.25倍。但是同时，主旋律电视剧所能引发的讨论往往局限于中国革命历史和抗美援朝、中国政治、新冠疫情等较少的主题中，而电视新闻的评论则覆盖外交事务、建设与科技、俄乌冲突、文化故事、虚假新闻等更多样的议题。两种视频产品分别在情感强度和话题广度上为积极国家形象的建构做出了贡献。整体而言，外交事务、中国政治、新冠疫情、建设与科技、中国革命历史和抗美援朝等议题获得了较多讨论，关于中国政治、文化故事、新冠疫情、建设与科技等议题的评论表现出了更为积极的中国形象。

关键词：国家形象主旋律电视剧电视新闻大语言模型半监督算法

基于改进VGG16网络的半监督石刻表层裂缝识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

世界地质 2024年第3期43卷 444-451页

作者：张英浩冯晅赵鹏飞董泽君周皓秋张明贺安娅菲杨佳润王宇恒王刘磊吉林大学地球探测科学与技术学院长春130026

针对如何快速准确地检测石刻表层裂缝问题,笔者建立一种改进的VGG16网络模型,将原本的3层全连接层改为2层全连接层,增加dropout正则化,并结合使用半监督学习算法,将深度学习应用于石刻表层裂缝的智能识别研究。为了检验改进后模型的性... 详细信息

针对如何快速准确地检测石刻表层裂缝问题,笔者建立一种改进的VGG16网络模型,将原本的3层全连接层改为2层全连接层,增加dropout正则化,并结合使用半监督学习算法,将深度学习应用于石刻表层裂缝的智能识别研究。为了检验改进后模型的性能与准确性,选用Unet、ResNet以及原模型进行比较,使用精确率、召回率和训练时间等对模型进行综合评估。改进后的VGG16网络模型精度达到93.6%,且训练时间较原模型减少了18%,具有轻量化运算的优点,模型可以满足基本的表层裂缝识别需求,且具有较好的鲁棒性。

关键词：石刻表层裂缝识别半监督算法改进VGG16网络

维普期刊数据库博看期刊

大规模生物网络识别共同子网络的半监督图聚类算法研究

在线全文

学校读者我要写书评

暂无评论

大规模生物网络识别共同子网络的半监督图聚类算法研究

作者：薛寒生哈尔滨工业大学

学位级别：硕士

随着科学技术的日益进步带动着生物信息技术快速发展,生物信息领域正经历着一场数据革命。生物数据的快速增长使得生物学家很难快速而准确地利用有效数据,因此如何快速地在大规模数据中识别出有效的信息成为突破数据瓶颈的关键技术。然... 详细信息

随着科学技术的日益进步带动着生物信息技术快速发展,生物信息领域正经历着一场数据革命。生物数据的快速增长使得生物学家很难快速而准确地利用有效数据,因此如何快速地在大规模数据中识别出有效的信息成为突破数据瓶颈的关键技术。然而在后基因组生物学中,大量的生物数据都或多或少存在着相互作用关系,而这些作用关系可以通过关联网络的形式表现出来。因此如何在保持生物含义的基础上充分挖掘现有大规模生物网络信息显得尤为重要。针对生物信息领域多个生物网络融合划分的问题,目前国内外专家学者研究的比较少。有别于一般的网络,大规模生物网络集合中的若干生物网络之间存在着相互关联关系,因此在进行网络融合划分的过程中不可以割裂网络之间的关联关系。另一方面,由于现有的生物网络的数据规模较大,因此如何有效地在保持大规模生物网络中各个网络之间的关联关系的基础上对生物网络进行有效地降维成为至关重要的难点。本文针对生物网络数据规模巨大和网络间关联关系复杂等特点,设计了一种基于半监督稀疏自编码器的多网络融合聚类框架模型。多网络融合聚类框架是一个以稀疏自编码器(SAE)和半监督稀疏自编码器(semi SAE)为单元而构成的DNN结构迭代模型。其中DNN结构框架的第一层为稀疏自编码器,主要用于约束条件的提取,而从第二层开始则为半监督稀疏自编码器,其输入数据主要包括稀疏矩阵和约束条件等。在整个迭代框架中网络数据的维度在不断的降低,并且通过传递的约束条件的限制使多个生物网络在不断的趋于靠拢,从而在尽可能保持网络间关联关系的基础上降低网络数据的维度。多网络融合框架的核心为半监督稀疏自编码器,其主要功能为学习输入网络的新低纬度的表示并提取约束条件作为下一层的输入。对于输入的约束条件,semi SAE通过将约束条件作用于损失函数上来不断的修正重构的数据,从而得到一个融合上一层其他网络的先验知识的新的低纬度数据表示。对于最终得到的多个新的融合先验知识的低纬度的网络,采用Clusterer Ensemble方式得到最终的融合网络并采用K-Means算法进行聚类,从而得到最终的多网络融合划分的结果。为了验证本文所提出的多网络融合聚类框架和半监督稀疏自编码器,采用拟南芥在九种不同环境压力下所表现出来的性状表达数据来构建九种基因组转录表达网络来对算法进行验证。并采用矩阵相似度、轮廓系数、GO和KEGG Pathway富集分析来分别对于网络融合过程和最终的聚类结果进行评价。本文的实验结果证明了多网络融合聚类框架算法以及半监督稀疏自编码器在融入先验约束条件的基础上学习网络特征以及对网络进行降维的优越性。

关键词：生物网络半监督算法图聚类算法自编码器

基于联邦学习的半监督物体检测系统设计与实现

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于联邦学习的半监督物体检测系统设计与实现

作者：舒梓峰北京邮电大学

学位级别：硕士

随着大数据和物联网技术的快速发展,物体检测技术在自动驾驶、智能安防和场景识别等领域的重要性不断增加。然而传统的物体检测技术为了增强模型性能,需要从客户端采集数据上传至厂商服务器进行集中数据标注和模型增强,但这种方式存在... 详细信息

随着大数据和物联网技术的快速发展,物体检测技术在自动驾驶、智能安防和场景识别等领域的重要性不断增加。然而传统的物体检测技术为了增强模型性能,需要从客户端采集数据上传至厂商服务器进行集中数据标注和模型增强,但这种方式存在着较高的数据泄露风险,随着数据安全保护法律的不断完善,此种行为所受的约束也越来越多。联邦学习是谷歌提出的一种安全分布式机器学习技术,它试图通过“数据不出用户本地”和“梯度加密”两项原则从根本上解决隐私泄露问题,本文基于联邦学习技术设计一种面向自动驾驶场景的半监督物体检测系统,拟解决的关键问题有如下三点:首先,联邦学习要求训练在用户本地完成,这就对联邦学习框架的轻量性提出了较高要求,过重的计算负担会让用户抗拒参与联邦学习计算任务从而影响联邦学习的任务的发起。针对此问题,本文设计了一种轻量级联邦学习训练框架,自定义一种工作在传输层中的网络通信协议,最大化服务端与客户端之间的通信效率,使用I/O复用技术提升服务端响应速度,减少资源消耗。其次,现有的联邦学习框架多使用“差分隐私”、“安全多方计算”、“同态加密”这三类梯度加密算法,它们都给训练带来了极强的副作用,要么导致模型精度损失,要么造成了极大的加密计算负担,使得“性能”和“安全”顾此失彼。针对此问题,本文提出了一种基于差分隐私的噪声自消除算法,该算法基于差分隐私的噪声扰动策略,将训练客户端两两分组,通过控制节点选择算法选择出当前每个组的控制节点,由每组的控制节点生成可以互相抵消的两组噪声并发放给另一成员,每组客户端可以使用生成的噪声将梯度信息混淆加密后上传至聚合服务端。由聚合器服务器利用噪声的可抵消性实现噪声自动消除,完成秘密状态下的梯度信息聚合。该算法相比于精度不足的差分隐私方法和计算负担较大的安全多方计算方法,实现了精简计算以及较强的安全性,在抵挡梯度泄露攻击的同时免除了对模型精度的负面影响。最后,由于本地数据通常为终端设备自动生成的无标签原始数据,因此在实际场景下无法实现对这些数据的有效利用,亟需要设计一种有效的半监督算法;此外,各个训练终端之间较大的图像风格差异也会导致模型跨域表现的降低,即训练好的物体检测模型只适用于特定场景,在其它场景下表现不佳,因此还需考虑跨域问题所导致的精度下降问题。针对此问题,本文提出了一种基于域自适应的半监督物体检测算法,采用基于平均教师模型的半监督算法,在训练任务开始前先下发一部分带有高质量标签的公开数据集至客户端,同时训练教师模型和学生模型,指导学生模型从设备生成的原始数据和公有数据集中学到专属于客户端的特征,完成对无标注数据的利用;通过CUT图像风格转换生成网络实现训练域和目标域的风格统一,以应对不同设备中的场景差异,实现数据的增强的同时提高模型鲁棒性。大量实验证明本文所提出的系统能够实现物体检测算法的安全联邦化,并且未对训练速度产生显著的负面影响;提出的半监督算法也能够很好地利用用户本地的无标注数据,有效提升模型的准确率和鲁棒性。

关键词：联邦学习隐私保护物体检测半监督算法