检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

混合属性数据深度无监督融合特征学习方法

计算机科学与探索 2024年第7期18卷 1852-1864页

作者：何慧霞武森魏桂英谢嘉瑶高晓楠北京科技大学经济管理学院北京100083 国网能源研究院有限公司北京102209

高质量的特征表示是实现数据精准挖掘的关键。针对现有特征学习方法难以有效提取混合属性数据中不同属性之间关联和数据内部真实信息的问题,提出一种面向混合属性数据的深度无监督融合特征学习模型(DUFERM)。该模型建立了一个双模态自... 详细信息

高质量的特征表示是实现数据精准挖掘的关键。针对现有特征学习方法难以有效提取混合属性数据中不同属性之间关联和数据内部真实信息的问题,提出一种面向混合属性数据的深度无监督融合特征学习模型(DUFERM)。该模型建立了一个双模态自编码器框架,对分类属性和数值属性采用不同路径进行建模,并采用深度多模态融合策略加深两种属性之间的联系;针对分类属性构建基于加权异构网络的离散特征自编码器,充分挖掘分类属性内部的结构和语义信息,针对数值属性构建连续特征自编码器,两个独立的自编码器以联合表示的形式组合在公共潜在表示层中;最后以预训练和联合训练相结合的无监督训练方式获得混合属性数据的融合特征表示。在10个公开数据集上的大量实验表明,所提DUFERM模型在各项评价指标上的综合性能优于现有经典的和新颖的混合属性数据特征学习方法,可以充分提取混合属性数据内部潜在特征,取得高质量的融合特征表示结果并提升下游数据挖掘任务的准确性。

关键词：混合属性数据融合特征学习无监督数据挖掘

在线全文

学校读者我要写书评

暂无评论

基于风格转换的无监督聚类行人重识别

智能系统学报 2021年第1期16卷 48-56页

作者：张智毕晓君哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 中央民族大学信息工程学院北京100081

无监督行人重识别中源域与目标域间的巨大差异性是影响模型性能的最关键因素。基于聚类的无监督行人重识别方法挖掘目标域数据间的相似性,以此缓解该问题,但仍未消除域间差异性。本文提出一种基于风格转换的无监督聚类行人重识别方法。... 详细信息

无监督行人重识别中源域与目标域间的巨大差异性是影响模型性能的最关键因素。基于聚类的无监督行人重识别方法挖掘目标域数据间的相似性,以此缓解该问题,但仍未消除域间差异性。本文提出一种基于风格转换的无监督聚类行人重识别方法。首先,针对基于聚类方法的模型存在受域间差异性影响的问题,将一种基于生成对抗网络的风格转换方法引入到聚类方法模型中,将源域数据转换为目标域风格数据,直接减小域间差异性,提升模型的识别性能。其次,针对风格转换模型的生成器存在转换尺度单一以及特征信息传递效率低的问题,使用一种新型残差块替换原始残差块并将其引入到生成器上采样和下采样中,形成多特征尺度转换以及信息传递效率高的生成器,提升风格转换效果,降低域间差异性,进一步提升整体模型的识别效果。在Market1501以及Duke-MTMC-re ID数据集上对所提的算法进行实验,结果表明改进方法取得了更好的识别效果。

关键词：机器视觉行人重识别无监督聚类风格转换生成对抗网络残差块跨域

在线全文

学校读者我要写书评

暂无评论

基于话题分布相似度的无监督评论词消歧方法

北京大学学报（自然科学版） 2013年第1期49卷 95-101页

作者：郭瑛媚史晓东陈毅东高燕厦门大学信息科学与技术学院厦门361005

基于话题信息、词的位置关系和互信息等特征,提出一种无监督的跨语言词义消歧算法。该算法仅利用在线词典和web搜索引擎,通过上下文信息选择评论句中多义评论词的词义。实验结果表明,所提出的词义消歧算法具有较高准确率,对于具有较多... 详细信息

基于话题信息、词的位置关系和互信息等特征,提出一种无监督的跨语言词义消歧算法。该算法仅利用在线词典和web搜索引擎,通过上下文信息选择评论句中多义评论词的词义。实验结果表明,所提出的词义消歧算法具有较高准确率,对于具有较多候选词义的评论词仍能表现出较好的性能。

关键词：评论词消歧话题模型无监督

在线全文

学校读者我要写书评

暂无评论

连续无监督异常检测

中国科学：信息科学 2022年第1期52卷 75-85页

作者：倪一鸣陈松灿南京航空航天大学计算机科学与技术学院南京210016 模式分析与机器智能工业和信息化部重点实验室南京210016

无监督异常检测(unsupervised anomaly detection,UAD)旨在检测任何未见过的偏离预期模式或正常分布的数据,由于其学习过程不依赖对罕见异常样本的获取,因此在现实动态环境下备受青睐.然而,在现实场景中,目标任务往往会随时间动态变化,... 详细信息

无监督异常检测(unsupervised anomaly detection,UAD)旨在检测任何未见过的偏离预期模式或正常分布的数据,由于其学习过程不依赖对罕见异常样本的获取,因此在现实动态环境下备受青睐.然而,在现实场景中,目标任务往往会随时间动态变化,这要求模型能够连续执行多个不同的UAD任务,确保在仅有当前任务正常数据的前提下,实现对所有见过任务的异常检测.本文旨在研究这一问题,尝试从互信息角度,提出一种新的连续UAD(CUAD)算法.具体而言,我们针对原始目标依赖过往任务原始数据和异常数据的问题,给出基于信息论的损失函数,并对其进行近似优化.据此,我们构建出来的深度编码器模型既能连续执行不同的UAD任务,又能有效应对连续学习带来的灾难性遗忘问题.最后,我们在多个标准数据集上的实验验证了所提出方法的优越性.

关键词：异常检测无监督灾难性遗忘连续学习信息论

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于子光场遮挡融合的无监督光场深度估计

光电工程 2024年第10期51卷 49-60页

作者：李豪宇陈晔曜蒋志迪蒋刚毅郁梅宁波大学信息科学与工程学院浙江宁波315211 宁波大学科学技术学院浙江宁波315300

光场深度估计是光场处理和应用领域的重要科学问题。然而,现有研究忽略了光场视图间的几何遮挡关系。本文通过对不同视图间遮挡的分析,提出了一种基于子光场遮挡融合的无监督光场深度估计方法。该方法首先采用一种有效的子光场划分机制... 详细信息

光场深度估计是光场处理和应用领域的重要科学问题。然而,现有研究忽略了光场视图间的几何遮挡关系。本文通过对不同视图间遮挡的分析,提出了一种基于子光场遮挡融合的无监督光场深度估计方法。该方法首先采用一种有效的子光场划分机制来考虑不同角度位置处的深度关系,具体是将光场子孔径阵列的主副对角线上的视图按左上、右上、左下、右下分为四个子光场。然后,利用空间金字塔池化特征提取和U-Net网络来估计子光场深度。最后,设计了一种遮挡融合策略来融合所有子光场深度以得到最终深度,该策略对在遮挡区域具有更高精度的子光场深度图赋予更大的权重,从而减小遮挡影响。此外,引入了加权空间一致性损失和角度一致性损失以约束网络训练并增强鲁棒性。实验结果表明,所提出方法在定量指标和定性比较上展现出了良好的性能。

关键词：光场深度估计无监督子光场划分遮挡融合

基于相似性度量的高分辨率SAR图像无监督分割

在线全文

学校读者我要写书评

暂无评论

中国科学技术大学学报 2010年第2期40卷 123-128页

作者：张倩张荣刘政凯中国科学技术大学信息处理中心安徽合肥230027

SAR图像中斑点噪声的存在给分割造成了严重的影响.为此,基于JSEG平台,针对高分辨率SAR图像的特点,提出了一种新的相似性度量,这也是该无监督分割算法的核心.该算法主要由预处理、纹理组合和区域生长三个步骤来完成.在纹理组合中,利用新... 详细信息

SAR图像中斑点噪声的存在给分割造成了严重的影响.为此,基于JSEG平台,针对高分辨率SAR图像的特点,提出了一种新的相似性度量,这也是该无监督分割算法的核心.该算法主要由预处理、纹理组合和区域生长三个步骤来完成.在纹理组合中,利用新的相似性度量标准,把预处理后的SAR数据通过计算映射成一组新的数据,这组新数据可初步表征图像的分割;最后利用简单的区域生长完成分割.实验结果表明,该方法充分利用了SAR图像的特征信息,能够准确实现对SAR图像的分割,并具有很好的稳健性.

关键词： SAR图像图像分割相似性度量无监督 JSEG

基于相关性感知和特征重学习的无监督域自适应行人重识别

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年第14期61卷 334-342页

作者：李亚军张敏邓洋洋辛明河南大学人工智能学院河南郑州450046 河南大学计算机与信息工程学院河南开封475001

不同数据集之间的领域多样性对在一个数据集上训练的行人重识别(Re-ID)模型适应另一个数据集提出了明显的挑战。目前最先进的无监督领域自适应方法是通过对目标领域的聚类算法生成的伪标签进行优化的,但聚类过程中不可避免的标签噪声却... 详细信息

不同数据集之间的领域多样性对在一个数据集上训练的行人重识别(Re-ID)模型适应另一个数据集提出了明显的挑战。目前最先进的无监督领域自适应方法是通过对目标领域的聚类算法生成的伪标签进行优化的,但聚类过程中不可避免的标签噪声却被忽略了。这种有噪声的伪标签实质上降低了模型在目标域上进一步改进特征表示的能力。为了解决这一问题,提出一种基于相关性感知注意力(RAA)机制和局部特征重学习(FRL)的相互教学方法进行无监督域自适应行人重识别。在特征提取上,使用多通道关注对应的行人局部特征,利用空间-通道对应关系进行全局和局部特征的判别性细节信息重学习,增强网络的特征表达能力。同时采用相关性感知注意力机制来使两个网络聚焦于不同的特征区域,增强两个网络的差异性和互补性。在公共数据集上对所提方法进行了广泛的实验验证。实验结果表明,所提方法在多个行人重识别任务中都取得了良好的成绩。

关键词：机器视觉无监督行人重识别相关性感知

在线全文

学校读者我要写书评

暂无评论

软多标签和深度特征融合的无监督行人重识别

光电工程 2020年第12期47卷 13-22页

作者：张宝华朱思雨吕晓琪谷宇王月明刘新任彦李建军张明内蒙古科技大学信息工程学院内蒙古自治区包头014010 内蒙古工业大学信息工程学院内蒙古自治区呼和浩特010051 内蒙古自治区模式识别与智能图像处理重点实验室内蒙古自治区包头014010

跨摄像头场景中依赖面向标签映射关系的学习以提高识别精度,有监督行人重识别模型虽然识别精度较好,但存在可扩展问题,诸如算法识别精度严重依赖有效的监督信息,算法实时性差等;针对上述问题,提出一种基于软多标签的无监督行人重识别算... 详细信息

跨摄像头场景中依赖面向标签映射关系的学习以提高识别精度,有监督行人重识别模型虽然识别精度较好,但存在可扩展问题,诸如算法识别精度严重依赖有效的监督信息,算法实时性差等;针对上述问题,提出一种基于软多标签的无监督行人重识别算法。为了提高标签匹配精度,首先利用软多标签逼近真实标签,通过计算参考数据集和参考代理在软多标签函数中的损失函数,预训练参考数据集,并构建预训练与训练结果的映射模型。再通过生成数据和真实数据分布的最小距离的期望即简化的2-Wasserstein距离计算相机视图中软多标签均值和标准差得到损失函数,解决跨视域标签一致性问题。为了提高软多标签对未标记目标数据集的有效性,计算联合嵌入损失,挖掘不同类别间的相似对,纠正跨域分布错位。针对残差网络训练时长和无监督学习精度低的问题,通过结合压缩激励网络(SENet)和多层级深度特征融合改进残差网络的结构,提高训练速度和精度。实验结果表明,该方法在标准数据集下的首位命中率和平均精度均值优于先进相关算法。

关键词：残差网络行人重识别软多标签无监督深度特征

基于局部保持投影和稀疏表示的无监督特征选择方法

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2015年第3期28卷 247-252页

作者：简彩仁陈晓云福州大学数学与计算机科学学院福州350108

传统基于过滤的特征选择方法仅从统计或几何角度分别对数据集的每个特征计算某种得分选择特征,而忽略不同特征之间存在的联系.为解决该问题,利用局部保持投影和稀疏表示的优点,提出新的无监督特征选择算法.该方法通过限制特征权重的非... 详细信息

传统基于过滤的特征选择方法仅从统计或几何角度分别对数据集的每个特征计算某种得分选择特征,而忽略不同特征之间存在的联系.为解决该问题,利用局部保持投影和稀疏表示的优点,提出新的无监督特征选择算法.该方法通过限制特征权重的非负性和稀疏性选择特征.在4个基因表达数据集和2个图像数据集上的实验表明该方法是有效的.

关键词：局部保持投影稀疏表示无监督特征选择聚类