带约束弱监督学习算法的企业专利附图高关联性自动化推荐

1

作者 任鹏 《电子设计工程》 2024年第20期134-139,共6页

常规企业专利附图高关联性自动化推荐主要依托于朴素贝叶斯算法,通过构建图片推荐模型实现自动化推荐。但此方法由于缺少专利文本与附图匹配交互图的建立,导致得到的归一化折损累积增益较小,推荐效果欠佳。为此,提出基于带约束弱监督学... 常规企业专利附图高关联性自动化推荐主要依托于朴素贝叶斯算法,通过构建图片推荐模型实现自动化推荐。但此方法由于缺少专利文本与附图匹配交互图的建立,导致得到的归一化折损累积增益较小,推荐效果欠佳。为此,提出基于带约束弱监督学习算法的企业专利附图高关联性自动化推荐方法。根据企业专利文本与附图之间的匹配关系,采用卷积神经网络对附图的深层次视觉特征进行识别,并设计样本采样策略,建立文本与附图匹配的交互图,结合带约束弱监督学习算法计算企业专利偏好的预测概率向量值,进而构建企业专利配图偏好模型,以此为依据,求取每个附图的综合评分,将评分最高的附图构造为推荐列表,由此实现企业专利附图高关联性自动化推荐。对比实验结果表明,所设计的方法得到的归一化折损累积增益较大,企业专利附图推荐效果较好,可以满足实际应用需求。 展开更多

关键词 带约束弱监督学习算法 企业专利附图 高关联性自动化推荐 附图特征

在线阅读 下载PDF 职称材料

基于类别空间约束的弱监督卷积神经网络特征学习算法

2

作者 高博 《电子测量技术》 北大核心 2022年第5期94-99,共6页

传统卷积神经网络虽然具有较好的应用准确度,但是其的主要缺陷是效率低,为解决这一问题,弱监督算法被提出,现有的弱监督学习算法标记训练样本较少,效率较理想,但是仍然存在误分类率较高等不足。为了同时满足高效率和高精度的要求,本研... 传统卷积神经网络虽然具有较好的应用准确度,但是其的主要缺陷是效率低,为解决这一问题,弱监督算法被提出,现有的弱监督学习算法标记训练样本较少,效率较理想,但是仍然存在误分类率较高等不足。为了同时满足高效率和高精度的要求,本研究结合了弱监督算法和卷积神经网络,提出一种基于类别空间约束的弱监督卷积神经网络特征学习算法。首先,建立弱监督卷积神经网络特征学习算法的网络模型;其次,通过对空间加以约束,使标记样本和未标记样本建立一定的联系,从而实现特征空间聚类;最后,利用模型训练样本数据,实现基于类别空间约束的弱监督卷积神经网络特征学习算法的设计。实验结果表明,所提方法误分类率达到5%,分类耗时不超过0.4 ms,能够更好地开展特征学习。 展开更多

关键词 类别空间约束 弱监督 卷积神经网络 特征学习算法

在线阅读 下载PDF 职称材料

一种基于受限约束范围标签传播的半监督学习算法

3

作者 马慧芳 袁媛 +1 位作者 张迪 鲁小勇 《计算机应用研究》 CSCD 北大核心 2016年第8期2303-2306,共4页

为了提高文本分类性能,提出一种基于受限约束范围标签传播的半监督学习算法。首先利用相似性矩阵计算得出概率转移矩阵,进而通过概率转移矩阵得出受限约束范围;然后在约束范围内利用半监督学习框架下的标签传播算法计算基于路径的相似性... 为了提高文本分类性能,提出一种基于受限约束范围标签传播的半监督学习算法。首先利用相似性矩阵计算得出概率转移矩阵,进而通过概率转移矩阵得出受限约束范围;然后在约束范围内利用半监督学习框架下的标签传播算法计算基于路径的相似性,路径相似性决定了标签传播的重要路径。由于只使用几条重要的传播路径,使得算法中省去计算每一条路径的相似度,计算复杂度大大减少。最终使得标签在带标签数据与未标签数据之间通过几条重要的路径之间传播。实验已经证明此算法的有效性。 展开更多

关键词 概率转移矩阵 受限约束范围 标签传播 半监督学习算法

在线阅读 下载PDF 职称材料

一种基于Seeds集和成对约束的主动半监督聚类算法 被引量：2

4

作者 陈志雨 王慧君 +1 位作者 胡明 刘钢 《吉林大学学报（理学版）》 CAS CSCD 北大核心 2017年第3期664-672,共9页

针对半监督聚类算法中监督信息使用不充分,监督信息中信息含有量低的问题,提出一种结合主动学习的半监督聚类算法.首先结合使用数据的类别标记和成对约束信息,指导Kmeans聚类过程,设计出一种基于Seeds集和成对约束的半监督聚类算法SC-Km... 针对半监督聚类算法中监督信息使用不充分,监督信息中信息含有量低的问题,提出一种结合主动学习的半监督聚类算法.首先结合使用数据的类别标记和成对约束信息,指导Kmeans聚类过程,设计出一种基于Seeds集和成对约束的半监督聚类算法SC-Kmeans;其次将主动学习算法引入到SC-Kmeans中,以尽量小的代价选取信息含有量更高的监督信息,提高SC-Kmeans算法的聚类精度;最后在UCI标准数据集上进行仿真实验.实验结果表明,该算法取得了较好的聚类效果,有效提高了聚类准确率. 展开更多

关键词 半监督聚类 Kmeans算法 成对约束 Seeds集 主动学习

在线阅读 下载PDF 职称材料

多元化渐进域迁移弱监督实时目标检测

5

作者 李成严 郑企森 王昊 《哈尔滨理工大学学报》 CAS 北大核心 2024年第3期11-19,共9页

针对像素级自适应较大的图像翻译偏差,特征级自适应的源偏判别风险以及弱监督学习无法兼顾检测准确性和实时性等问题,提出了多元化域移位器和伪边界框生成器以逐步调整预训练模型,在像素级与特征级渐进完成自适应的域迁移框架。通过域... 针对像素级自适应较大的图像翻译偏差,特征级自适应的源偏判别风险以及弱监督学习无法兼顾检测准确性和实时性等问题,提出了多元化域移位器和伪边界框生成器以逐步调整预训练模型,在像素级与特征级渐进完成自适应的域迁移框架。通过域移位器从源域生成多样化的中间域图像调整检测模型以弥合域差距,减小图像翻译偏差。将中间域作为监督的源域,并结合目标域中的图像级标签生成伪标注图像调整检测模型以改善源偏判别性。基于SSD算法构建与域迁移框架相匹配的实时目标检测器,实现弱监督条件下的实时目标检测。在PASCAL VOC迁移至Clipart1k等数据集上的mAP优于现有方法0.4%~4.7%,检测速度为32 FPS~47 FPS,提高准确率的同时满足了实时检测的要求,具有更优越的迁移检测性能。 展开更多

关键词 实时目标检测 弱监督学习 域自适应 图像翻译网络 SSD算法

在线阅读 下载PDF 职称材料

一种基于弱监督学习的论坛帖子对话行为分类方法

6

作者 孙承杰 林磊 刘秉权 《中文信息学报》 CSCD 北大核心 2014年第6期156-161,168,共7页

论坛帖子对话行为分类可以明确每个帖子在当前线索中的角色,有助于重构论坛线索中的对话关系,提高论坛信息检索的效果。该文提出了一种基于弱监督学习的论坛帖子对话行为分类方法,把帖子的对话行为分类作为线索的序列标注问题来解决。... 论坛帖子对话行为分类可以明确每个帖子在当前线索中的角色,有助于重构论坛线索中的对话关系,提高论坛信息检索的效果。该文提出了一种基于弱监督学习的论坛帖子对话行为分类方法,把帖子的对话行为分类作为线索的序列标注问题来解决。该方法的特点是只要指定合理的特征约束,就可以训练对话行为分类模型。方法在CNET和edX数据集上的分类精确率分别达到75.6%和60.7%,优于有监督的条件随机域方法。 展开更多

关键词 弱监督学习 特征约束 对话行为分类 论坛线索结构分析

在线阅读 下载PDF 职称材料

基于主动学习的图半监督分类算法 被引量：1

7

作者 高成 陈秀新 +1 位作者 于重重 刘宇 《计算机工程与设计》 北大核心 2015年第7期1871-1875,共5页

为抑制噪声数据对分类结果的影响,将噪声处理算法与高斯随机域算法相结合,提出一种带噪声系数的高斯随机域学习算法;针对样本集不平衡性数据分类问题,考虑主动学习在样本不平衡问题中的应用,将主动学习与图半监督算法相结合,提出一种鲁... 为抑制噪声数据对分类结果的影响,将噪声处理算法与高斯随机域算法相结合,提出一种带噪声系数的高斯随机域学习算法;针对样本集不平衡性数据分类问题,考虑主动学习在样本不平衡问题中的应用,将主动学习与图半监督算法相结合,提出一种鲁棒性强的主动学习图半监督分类算法。利用基于样本划分的主动学习方法,对正类的近邻样本集中样本与特定类样本形成的新样本集做总体散度排序,筛选出能使新样本集中总体散度最小的样本,代替正类的近邻样本集中所有样本,形成平衡类。在UCI标准数据集上的实验结果表明,与标准的图半监督算法相比,该算法的分类精度更高、泛化能力更强。 展开更多

关键词 带噪声系数的高斯随机域学习算法 样本不平衡问题 主动学习 图半监督算法 主动学习图半监督分类算法

在线阅读 下载PDF 职称材料

基于单元配方约束的无监督学习系统

8

作者 周瑾 林卉 童恒庆 《计算机科学与应用》 2013年第4期222-227,共6页

本文核心内容是提出了一种基于单元配方约束条件(所有权系数非负而其和为1)的无监督学习系统,以及基于约束最小二乘解的确定性算法。系统本身类似于结构方程模型(SEM),属于不定方程组,传统的算法包括偏最小二乘(PLS)与协方差拟合(LISREL... 本文核心内容是提出了一种基于单元配方约束条件(所有权系数非负而其和为1)的无监督学习系统,以及基于约束最小二乘解的确定性算法。系统本身类似于结构方程模型(SEM),属于不定方程组,传统的算法包括偏最小二乘(PLS)与协方差拟合(LISREL)算法都是不确定的迭代算法,存在计算可能不收敛、结果可能不唯一的问题。本文则根据因子分析思想构造逆向影响方程,利用模长约束(潜变量的长度假设为1)作为中间技巧求得过渡解,最后添加合理的配方约束进行潜变量回归,成功构造了系统的确定性线性算法,从而替代了传统的迭代算法。两个数据例子,包括收入和价格扩散指数的汇总问题和军队士气模型,演示了系统在经济和心理领域的分析和分类功能,也是对无监督学习系统应用范围的极好扩充。 展开更多

关键词 无监督学习系统 配方条件 约束最小二乘 确定性线性算法

在线阅读 下载PDF 职称材料

主动纠错式半监督聚类社区发现算法 被引量：3

9

作者 张贤坤 刘渊博 +1 位作者 任静 张高祯 《计算机应用研究》 CSCD 北大核心 2019年第9期2631-2635,2660,共6页

经典的无监督聚类算法快速、简单且可以直接对大规模数据集进行划分,但是由于网络结构较为复杂,划分的准确度并不高。为此,提出一种基于主动学习的纠错式半监督社区发现算法ESCD(error correction semisupervised community detection a... 经典的无监督聚类算法快速、简单且可以直接对大规模数据集进行划分,但是由于网络结构较为复杂,划分的准确度并不高。为此,提出一种基于主动学习的纠错式半监督社区发现算法ESCD(error correction semisupervised community detection algorithm),将传统的K-means算法进行分步计算,并且在聚类的过程中加入成对约束。根据先验信息保留正确的划分,纠正错误的划分来改变网络的连接关系,使网络具有更明显的块结构,当节点与聚类中心的距离不再变化时划分结束。实验结果表明,与现有的社区发现算法相比,ESCD算法具有更高的精度,且所需的监督信息远远小于其他半监督算法。 展开更多

关键词 主动学习 纠错式半监督社区发现 K-MEANS算法 成对约束

在线阅读 下载PDF 职称材料

基于高斯混合模型的EM学习算法 被引量：18

10

作者 王源 陈亚军 《山西师范大学学报（自然科学版）》 2005年第1期46-49,共4页

本文研究了一类基于无监督聚类学习的算法———EM算法的算法实现.EM算法通常用于存在隐含变量时的聚类学习,由于引入了隐含变量,导致算法难以保证收敛和达到极优值.本文通过将该算法应用于高斯混合模型的学习,引入重叠度分析的方法改... 本文研究了一类基于无监督聚类学习的算法———EM算法的算法实现.EM算法通常用于存在隐含变量时的聚类学习,由于引入了隐含变量,导致算法难以保证收敛和达到极优值.本文通过将该算法应用于高斯混合模型的学习,引入重叠度分析的方法改进EM算法的约束条件,从而能够确保EM算法的正确学习. 展开更多

关键词 学习算法 EM算法 高斯混合模型 无监督聚类 算法实现 变量 约束条件 收敛 重叠度 正确

在线阅读 下载PDF 职称材料

一种基于最大间隔的偏标记学习算法 被引量：1

11

作者 张仕将 柴晶 《科学技术与工程》 北大核心 2018年第28期109-115,共7页

在机器学习中,偏标记学习是一类重要的弱监督学习框架;在该框架中训练示例不再具有单一明确的标记,每个训练示例的真实标记被隐藏在一个候选标记集中并且在学习过程中不可获知。为了解决从训练示例的候选标记集中学习真实标记的问题,基... 在机器学习中,偏标记学习是一类重要的弱监督学习框架;在该框架中训练示例不再具有单一明确的标记,每个训练示例的真实标记被隐藏在一个候选标记集中并且在学习过程中不可获知。为了解决从训练示例的候选标记集中学习真实标记的问题,基于最大间隔准则提出了一种新的偏标记学习算法;该算法是通过优化模型在候选标记集中最大输出与非候选标记集中最大输出之间的间隔,以及优化模型在候选标记集中最大输出与候选标记集中其他输出之间的间隔进行偏标记学习。采用改进的次梯度Pegasos算法完成模型参数的优化学习。在四组人工改造的UCI数据集中,在平均65%的情况下优于其他对比算法。在四组真实偏标记数据集中,相比其他对比算法,取得了4.4%~10.2%的性能提升。实验证明,具有更好的泛化性能。 展开更多

关键词 偏标记学习 最大间隔准则 弱监督学习 Pegasos算法 分类

在线阅读 下载PDF 职称材料

标签噪声鲁棒学习算法研究综述 被引量：6

12

作者 宫辰 张闯 王启舟 《航空兵器》 CSCD 北大核心 2020年第3期20-26,共7页

在机器学习领域,监督学习算法在理论层面和工程应用中均取得了丰硕的成果,但此类算法的效果严重依赖训练样本的标签质量,在实际问题中获取具有高质量标签的训练样本通常费时费力。为节省人力物力,网络爬虫、众包方法等替代方法被用于对... 在机器学习领域,监督学习算法在理论层面和工程应用中均取得了丰硕的成果,但此类算法的效果严重依赖训练样本的标签质量,在实际问题中获取具有高质量标签的训练样本通常费时费力。为节省人力物力,网络爬虫、众包方法等替代方法被用于对训练数据的采集。不幸的是,这些替代方法获取的数据往往存在大量的错误标注,即标签噪声,由此带来了很多潜在的问题。因此,对标签噪声鲁棒学习算法的研究,在推广机器学习工程应用、降低机器学习算法部署成本方面具有重要的意义。本文对标签噪声鲁棒学习算法的最新研究成果进展进行了全面综述,分别从标签噪声的产生、影响、分类等方面进行了详细的总结,对每类标签噪声的处理方法进行了介绍,并对每类处理方法的优缺点进行分析。 展开更多

关键词 人工智能 机器学习 弱监督学习 标签噪声 深度学习 鲁棒学习算法

在线阅读 下载PDF 职称材料

一种主动半监督大规模网络结构发现算法

13

作者 柴变芳 曹欣雨 +1 位作者 魏春丽 王建岭 《深圳大学学报（理工版）》 EI CAS CSCD 北大核心 2020年第3期243-250,共8页

在线变分期望最大(online variational expectation maximization,onlineVEM)算法可快速发现大规模网络的聚类模式,但在网络结构复杂时算法的处理结果稳定性和准确性欠佳.为更快更准地识别其聚类模式,提出一种主动半监督在线变分期望最... 在线变分期望最大(online variational expectation maximization,onlineVEM)算法可快速发现大规模网络的聚类模式,但在网络结构复杂时算法的处理结果稳定性和准确性欠佳.为更快更准地识别其聚类模式,提出一种主动半监督在线变分期望最大(active semi-supervised onlineVEM,ASonlineVEM)算法.算法首先自动选择代表节点,确定类的个数,并基于代表节点初始化模型;然后迭代执行3个任务:运行在线算法onlineVEM、主动选节点及模型更新,直至算法达到准确率的设定阈值或收敛.在不同结构的人工网络和真实网络上的实验结果表明,ASonlineVEM算法的准确性和效率均优于同类算法.ASonlineVEM算法利用主动选择的节点先验信息提高了网络聚类模式发现的稳定性及准确性,提高了在线算法的运行效率. 展开更多

关键词 计算机应用 大规模网络 半监督聚类 主动学习 在线变分期望最大算法 成对约束

在线阅读 下载PDF 职称材料

带尺寸约束的弱监督眼底图像视盘分割 被引量：4

14

作者 鲁正 陈大力 薛定宇 《中国图象图形学报》 CSCD 北大核心 2019年第5期827-835,共9页

目的医学图像的像素级标注工作需要耗费大量的人力。针对这一问题,本文以医学图像中典型的眼底图像视盘分割为例,提出了一种带尺寸约束的弱监督眼底图像视盘分割算法。方法对传统卷积神经网络框架进行改进,根据视盘的结构特点设计新的... 目的医学图像的像素级标注工作需要耗费大量的人力。针对这一问题,本文以医学图像中典型的眼底图像视盘分割为例,提出了一种带尺寸约束的弱监督眼底图像视盘分割算法。方法对传统卷积神经网络框架进行改进,根据视盘的结构特点设计新的卷积融合层,能够更好地提升分割性能。为了进一步提高视盘分割精度,本文对卷积神经网络的输出进行了尺寸约束,同时用一种新的损失函数对尺寸约束进行优化,所提的损失公式可以用标准随机梯度下降方法来优化。结果在RIM-ONE视盘数据集上展开实验,并与经典的全监督视盘分割方法进行比较。实验结果表明,本文算法在只使用图像级标签的情况下,平均准确识别率(mAcc)、平均精度(mPre)和平均交并比(mIoU)分别能达到0. 852、0. 831、0. 827。结论本文算法不需要专家进行像素级标注就能够实现视盘的准确分割,只使用图像级标注就能够得到像素级标注的分割精度。缓解了医学图像中像素级标注难度大的问题。 展开更多

关键词 弱监督学习 视盘分割 尺寸约束 卷积神经网络 眼底图像

原文传递

基于成对约束的多标签传播重叠社区发现方法 被引量：1

15

作者 丁建立 邵酉辰 《计算机工程与设计》 北大核心 2020年第3期689-694,共6页

针对多标签传播重叠社区发现算法(COPRA)存在的社区划分结果准确性低和鲁棒性差的问题,提出一种基于成对约束的多标签传播重叠社区发现方法(PCMLPA)。以主动查找、扩展的方式引入成对约束指导社区发现,提高社区划分结果的准确性。在标... 针对多标签传播重叠社区发现算法(COPRA)存在的社区划分结果准确性低和鲁棒性差的问题,提出一种基于成对约束的多标签传播重叠社区发现方法(PCMLPA)。以主动查找、扩展的方式引入成对约束指导社区发现,提高社区划分结果的准确性。在标签传播的过程中,根据节点影响力大小确定节点更新顺序,根据节点的相似性度量确定邻居节点的遍历顺序,解决COPRA鲁棒性差的问题。与其它基准算法的对比实验结果表明,PCMLPA方法鲁棒性强且社区划分结果具有更高的准确性。 展开更多

关键词 重叠社区发现 多标签传播 标签传播重叠社区发现算法 成对约束 半监督学习 节点影响力

在线阅读 下载PDF 职称材料

一种新的基于语义聚类和图算法的自动图像标注方法 被引量：9

16

作者 芮晓光 袁平波 +1 位作者 何芳 俞能海 《中国图象图形学报》 CSCD 北大核心 2007年第2期239-244,共6页

针对图像检索中的语义鸿沟问题,提出了一种新颖的自动图像标注方法。该方法首先采用了一种基于软约束的半监督图像聚类算法(SHMRF-Kmeans)对已标注图像的区域进行语义聚类,这种聚类方法可以同时考虑图像的视觉信息和语义信息。并利用图... 针对图像检索中的语义鸿沟问题,提出了一种新颖的自动图像标注方法。该方法首先采用了一种基于软约束的半监督图像聚类算法(SHMRF-Kmeans)对已标注图像的区域进行语义聚类,这种聚类方法可以同时考虑图像的视觉信息和语义信息。并利用图算法——Manifold排序学习算法充分发掘语义概念与区域聚类中心的关系,得到两者的联合概率关系表。然后利用此概率关系表标注未知标注的图像。该方法与以前的方法相比可以更加充分地结合图像的视觉特征和高层语义。通过在通用图像集上的实验结果表明,本文提出的自动图像标注方法是有效的。 展开更多

关键词 半监督聚类 软约束 图像标注 Manifold排序学习算法

在线阅读 下载PDF 职称材料

基于链接模型的主动半监督社区发现方法 被引量：1

17

作者 柴变芳 王建岭 +1 位作者 许冀伟 李文斌 《计算机应用》 CSCD 北大核心 2017年第11期3090-3094,共5页

链接模型可对网络的社区发现问题建模,相比具有相同目标的对称模型和条件模型,PPL模型处理网络类型更多、社区发现准确率更高。但PPL模型是一个无监督模型,在网络社区结构不清晰时效果不佳,且不能利用易获取的先验信息。为使用尽可能少... 链接模型可对网络的社区发现问题建模,相比具有相同目标的对称模型和条件模型,PPL模型处理网络类型更多、社区发现准确率更高。但PPL模型是一个无监督模型,在网络社区结构不清晰时效果不佳,且不能利用易获取的先验信息。为使用尽可能少的先验,获得社区发现链接模型性能较大的提升,提出了一个主动节点先验学习(ANPL)算法,该算法主动选择效用高、易标记的成对约束进行标记,基于标记的约束对自动生成信息量更大的标记节点集合。基于PPL模型设计了一个融合网络拓扑结构和标记节点先验的半监督社区发现(SPPL)模型,并给出模型用于半监督社区发现的参数估计算法。人工网络和实际网络上的实验结果表明,利用ANPL获得的标记节点先验和网络拓扑结构,SPPL模型的社区发现准确率高于无监督PPL模型及当前流行的基于非负矩阵分解(NMF)的半监督社区发现模型。 展开更多

关键词 半监督社区发现 主动学习 链接模型 最大期望算法 约束先验

在线阅读 下载PDF 职称材料

资源约束下产品开发任务调度的多目标优化 被引量：2

18

作者 田启华 黄佳康 +3 位作者 明文豪 杜义贤 周祥曼 付君健 《计算机集成制造系统》 EI CSCD 北大核心 2022年第2期564-573,共10页

鉴于产品开发任务调度过程中存在资源约束问题和学习与遗忘效应,需要对多个目标进行优化决策,通过定义资源平均利用率并提出学习遗忘效应矩阵,结合耦合设计的多阶段迭代模型,以各阶段资源利用率为约束条件,建立资源约束下考虑学习与遗... 鉴于产品开发任务调度过程中存在资源约束问题和学习与遗忘效应,需要对多个目标进行优化决策,通过定义资源平均利用率并提出学习遗忘效应矩阵,结合耦合设计的多阶段迭代模型,以各阶段资源利用率为约束条件,建立资源约束下考虑学习与遗忘效应的任务调度时间与成本的多目标优化数学模型。采用带精英策略的非支配排序遗传算法求解得出Pareto最优解集,并采用改进的多目标理想点法对该解集进行选优,得到最优任务调度方案。以某电动汽车的开发过程为例,验证了该优化模型能够减小产品开发时间,降低产品开发成本,提高总资源利用率。 展开更多

关键词 资源约束 学习与遗忘效应 任务调度 多目标优化 带精英策略的非支配排序遗传算法 多目标理想点法 产品开发

在线阅读 下载PDF 职称材料

基于图模型的高光谱图像分类算法

19

作者 黄炟鑫 蒋俊正 《桂林电子科技大学学报》 2022年第3期205-210,共6页

高光谱图像(HSI)分类是HSI处理中的重要预处理手段,其目标是对HSI数据中每个像素点进行类别标记,标记结果常用于识别、勘探等应用。针对HSI分类任务中存在的数据量大、数据维度高、已知样本量少等难点,提出一种基于图模型的半监督分类... 高光谱图像(HSI)分类是HSI处理中的重要预处理手段,其目标是对HSI数据中每个像素点进行类别标记,标记结果常用于识别、勘探等应用。针对HSI分类任务中存在的数据量大、数据维度高、已知样本量少等难点,提出一种基于图模型的半监督分类算法。该算法将HSI数据建立为图以实现降维,而后将分类问题归结为一个无约束的优化问题。由于在求解优化问题时涉及到矩阵求逆,数据规模大时计算复杂度会变高。为了避免大规模的矩阵求逆,采用拟牛顿法进行求解,通过对Hessian矩阵进行分解,对计算步长时涉及到的求逆操作进行近似,且该算法能够分布式实现。仿真实验表明,与现有算法相比,本算法在大规模且类别多的HSI分类任务下计算复杂度较低,能完成较高精度的分类。 展开更多

关键词 高光谱图像 半监督学习 分布式算法 无约束优化 大规模问题

在线阅读 下载PDF 职称材料