检索结果-南通市图书馆

结合局部全局一致性和支持向量机的半监督分类方法

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

应用科技 2021年第1期48卷 48-54页

作者：池辛格王立国哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001

半监督分类方法通过提取无标签样本的信息,结合有限的有标签样本,克服了高光谱图像准确地物标签样本不足的问题,有效提高了图像的分类精度。局部全局一致性算法是一种基于图的标签传递半监督分类方法,具有性能良好,易于求解以及能够有... 详细信息

半监督分类方法通过提取无标签样本的信息,结合有限的有标签样本,克服了高光谱图像准确地物标签样本不足的问题,有效提高了图像的分类精度。局部全局一致性算法是一种基于图的标签传递半监督分类方法,具有性能良好,易于求解以及能够有效反映所有样本间关系的优点,但是其分类结果极不稳定,不利于实际应用。支持向量机是高光谱图像的分类领域应用最广的监督分类方法,拥有较强的鲁棒性,但是由于高光谱图像中有标签的样本不一定能够代表该类地物的全部特征,其分类结果也有可能出现波动性较大的问题,分类精度不理想。因此本文提出了一种结合局部全局一致性和支持向量机的半监督分类算法,通过迭代不断提取两种算法中分类结果相同的部分扩充有标签样本集,然后通过支持向量机进行分类,大幅度提高了分类精度和稳定度。

关键词：高光谱高光谱图像高光谱图像处理高光谱图像分类半监督分类机器学习局部全局一致性支持向量机

基于核化局部全局一致性学习的提升机故障诊断

在线全文

学校读者我要写书评

暂无评论

煤矿机电 2014年第3期35卷 74-76页

作者：陈洪飞中国煤炭科工集团上海研究院上海201401

典型的局部全局一致性学习(Learning with Local and Global Consistency,LLGC)是基于图的半监督学习算法,虽然可以对样本进行有效标注,但对非线性数据却无能为力,且会出现维数灾难现象。为此,在LLGC的基础上引入核函数,提出核化局部全... 详细信息

典型的局部全局一致性学习(Learning with Local and Global Consistency,LLGC)是基于图的半监督学习算法,虽然可以对样本进行有效标注,但对非线性数据却无能为力,且会出现维数灾难现象。为此,在LLGC的基础上引入核函数,提出核化局部全局一致性学习(KLLGC)解决上述问题。提升机故障诊断的实验结果表明KLLGC的有效性和可行性。

关键词：故障诊断核函数局部全局一致性分类器

在线全文

学校读者我要写书评

暂无评论

改进的LLGC高光谱图像半监督分类

哈尔滨工程大学学报 2017年第7期38卷 1086-1092页

作者：盛振国王立国哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 江南机电设计研究所贵州贵阳550009

针对高光谱数据波段多,地物标签获取代价高,带标记的样本数量少,分类过程中容易引起Hudges现象。本文提出一种基于改进的局部全局一致性(learning with local and global consistency,LLGC)算法的半监督分类方法。通过边缘采样法(margin... 详细信息

针对高光谱数据波段多,地物标签获取代价高,带标记的样本数量少,分类过程中容易引起Hudges现象。本文提出一种基于改进的局部全局一致性(learning with local and global consistency,LLGC)算法的半监督分类方法。通过边缘采样法(margin sampling,MS)选取最富含信息量的无标签样本,加入到训练集来扩充训练样本;用KNN算法计算相似度进一步优选无标签样本,去除噪声点和存在的野值点;使用改进的局部全局一致性算法对无标签样本集进行分类标记,得到各类别的分类结果。实验结果表明,本文方法在充分利用无标签样本的情况下,有效地提高了带有少量标签样本的高光谱图像的分类精度。

关键词：半监督分类局部全局一致性边缘采样法 KNN算法高光谱图像无标鉴样本集

在线全文

学校读者我要写书评

暂无评论

基于一致性学习预测药物-靶标相互作用

湖南工业大学学报 2020年第6期34卷 27-33页

作者：彭利红田雄飞周立前湖南工业大学计算机学院湖南株洲412007

提出了一种基于局部全局一致性(LLGC)学习的药物-靶标相互作用预测模型。该模型基于邻近结点及流形结构或聚类中的结点更有可能有相同标签这一结论,综合考虑靶标和药物数据的全局和局部特征,融合靶标的序列相似性和药物-靶标网络的拓扑... 详细信息

提出了一种基于局部全局一致性(LLGC)学习的药物-靶标相互作用预测模型。该模型基于邻近结点及流形结构或聚类中的结点更有可能有相同标签这一结论,综合考虑靶标和药物数据的全局和局部特征,融合靶标的序列相似性和药物-靶标网络的拓扑结构信息,提出药物-靶标相互作用预测方法,挖掘来自标准数据集中的药物-靶标相互作用数据。为了分析局部全局一致性方法的性能,在酶、离子通道、GPCR与核受体4个数据集中对此方法与SBGI、KBMF2K、NetCBP和WNN-GIP进行了比较,实验结果表明,除了在核受体数据中LLGC的AUC值比NetCBP和WNN-GIP中的略低外,在其他3个数据中,LLGC的性能都优于其他方法。确定模型性能后,将其用于药物-靶标相互作用数据预测,给出了得分最高的5个药物-靶标相互作用数据,且得知标准数据集中已知的药物-靶标相互作用数据绝大部分出现在预测集的前20%中,91%以上出现在预测集的前50%中。这个结果表明,LLGC能有效预测药物与靶标之间的潜在关联。

关键词：局部全局一致性药物-靶标相互作用药物重定位靶标序列相似性机器学习