期刊文献+
共找到412篇文章
< 1 2 21 >
每页显示 20 50 100
基于Hebbina监督学习算法的神经网络变距控制 被引量:1
1
作者 王湘明 梁晶晶 +2 位作者 邓英 孙磊 滕新强 《沈阳工业大学学报》 EI CAS 2007年第6期633-636,645,共5页
变距控制是变速恒频风力发电机组的核心技术之一,由于变距系统具有纯滞后非线性的特性,采用常规的PID算法已无法满足控制目标的要求.由1 MW变速恒频风力发电机组实际运行情况可知,其控制器PID参数需要不断在线整定,为此设计了基于Hebbin... 变距控制是变速恒频风力发电机组的核心技术之一,由于变距系统具有纯滞后非线性的特性,采用常规的PID算法已无法满足控制目标的要求.由1 MW变速恒频风力发电机组实际运行情况可知,其控制器PID参数需要不断在线整定,为此设计了基于Hebbina监督学习机理的神经网络变距控制算法.根据机组运行的实际数据进行离线学习,确定Hebbina监督学习算法的学习速率iη,然后进行在线整定,以保证风力发电机组处于最佳运行状态.给出了1 MW风力发电机组采用常规PID算法和神经网络变距控制算法的仿真对比结果,从中可以看出后者的动态特性和稳态特性明显优于前者,对于实际应用将起到指导作用. 展开更多
关键词 变距控制 神经网络 在线参数整定 PID控制 hebbina监督学习算法
在线阅读 下载PDF
基于无监督学习算法的5G网络安全态势感知系统设计
2
作者 任若冰 李启文 王丹弘 《电子设计工程》 2025年第5期188-191,196,共5页
5G网络的特性使其更容易受到攻击和威胁,网络安全问题日益突出。为此,设计基于无监督学习算法的5G网络安全态势感知系统。在系统采集模块中利用三个采集器从各种网络设备和系统收集数据,态势要素筛选模块从收集的数据中筛选态势要素,态... 5G网络的特性使其更容易受到攻击和威胁,网络安全问题日益突出。为此,设计基于无监督学习算法的5G网络安全态势感知系统。在系统采集模块中利用三个采集器从各种网络设备和系统收集数据,态势要素筛选模块从收集的数据中筛选态势要素,态势感知模块中利用无监督学习算法,根据态势要素感知安全态势等级。结果表明,通过系统应用,安全态势在一段时间内存在波动和起伏,但总体上保持在一个较高的水平,5G网络在大部分时间都保持了较高的安全性,但在某些时间段内可能存在一些安全风险。无监督学习算法运行下内存占用率为22.63%,说明该系统在系统资源占用性能方面表现更好。 展开更多
关键词 监督学习算法 5G网络 聚类算法 安全态势感知系统
在线阅读 下载PDF
基于半监督学习的煤层钻孔预抽瓦斯状态评价方法
3
作者 晏立 文虎 +1 位作者 王振平 金永飞 《工矿自动化》 北大核心 2025年第3期113-121,共9页
目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价。针对上述问题,提出一种基... 目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价。针对上述问题,提出一种基于半监督学习的煤层钻孔预抽瓦斯状态评价方法。构建了包含甲烷浓度、抽采负压、环境温度等8项指标的多维度评价体系,采用层次分析法(AHP)与模糊评价法(FEM)结合的权重赋值方法,建立抽采效果等级划分标准。在此基础上,提出基于高斯混合模型(GMM)与K-Means算法的半监督学习模型(SSGMM/SSK-Means),通过融合少量人工标注样本与大量未标注数据,实现单一钻孔抽采状态的动态分类。SSGMM聚集度更好,SSK-Means效率更高,形成“精度-效率”的互补关系。在陕西黄陵二号煤矿215工作面的应用结果表明:SSGMM和SSK-Means的最大聚集度(MVCR)和修正Rand指数(ARI)分别达82.64%和85.83%,显著优于传统聚类方法;通过动态反馈机制优化后,原等级为“差”的钻孔抽采效率提升5.26%~5.80%,补差率达100%。 展开更多
关键词 煤层瓦斯 抽采效果评价 监督学习 层次分析法 模糊评价法 高斯混合模型 K-MEANS算法
在线阅读 下载PDF
基于无监督t-SNE算法和随钻测试的地层风化程度研究
4
作者 赵卫冬 王怀庆 +1 位作者 张晓杰 王腾 《工程勘察》 2025年第1期19-25,共7页
本文提出了一种基于无监督学习和随钻测试技术对地层风化程度进行预测的方法。随钻测试技术提供了一种对地层进行实时评估的手段,且能够反映地层的连续变化。这些多维度的钻进参数蕴含着丰富的地层信息,t-SNE算法能够发现数据的隐藏模... 本文提出了一种基于无监督学习和随钻测试技术对地层风化程度进行预测的方法。随钻测试技术提供了一种对地层进行实时评估的手段,且能够反映地层的连续变化。这些多维度的钻进参数蕴含着丰富的地层信息,t-SNE算法能够发现数据的隐藏模式和结构,适用于探索性数据分析。通过随钻测试系统,实时监测钻机运动和运行参数。对随钻测试数据进行处理后,筛选出纯钻进过程的数据,随后对这些数据进行分割和标准化处理,最后导入t-SNE算法中,计算出高维空间中数据点的相似性,并将其映射到低维空间。研究结果表明,t-SNE算法能够有效地通过钻进参数识别地层风化程度,与实际情况相吻合。这一方法为工程识别岩层风化程度提供了一种智能化的新方法和新思路。 展开更多
关键词 随钻测试 监督学习 t-SNE算法
在线阅读 下载PDF
基于超图的自监督推荐算法
5
作者 贾小暾 温明 +3 位作者 杨晓龙 陈宝涛 李爱荣 任媛媛 《计算机工程与设计》 北大核心 2025年第3期834-840,共7页
为改善基于图神经网络的推荐模型在实际推荐场景中面临数据出现噪声和倾斜分布时性能下降的问题,提出一种基于超图的自监督推荐算法。采用超图Transformer捕捉用户与物品之间的全局关系,引入自监督学习以增强数据,提高模型的鲁棒性。在... 为改善基于图神经网络的推荐模型在实际推荐场景中面临数据出现噪声和倾斜分布时性能下降的问题,提出一种基于超图的自监督推荐算法。采用超图Transformer捕捉用户与物品之间的全局关系,引入自监督学习以增强数据,提高模型的鲁棒性。在实际数据集上的训练结果表明,模型在提升推荐效果方面表现优异,特别是在解决数据稀疏性和噪声问题上表现出较强的能力。通过消融实验进一步验证了这些发现,展现了该算法在现代推荐系统中的应用潜力。 展开更多
关键词 噪声数据 推荐算法 超图 全局关系 监督学习 交互图 数据增强
在线阅读 下载PDF
自监督深度学习的心脏磁共振图像配准算法
6
作者 刘子兴 廉钰 +1 位作者 李汉军 唐晓英 《中国医疗设备》 2024年第11期27-32,38,共7页
目的通过使用合成图像的方法解决在配准过程中缺少金标准的问题,并应用深度学习算法进行心脏T_(1)定量图配准。方法首先利用T_(1)加权图像的先验信息合成无运动的参考图像;其次使用DeepIPMCNet卷积神经网络来学习和配准层内运动。另一... 目的通过使用合成图像的方法解决在配准过程中缺少金标准的问题,并应用深度学习算法进行心脏T_(1)定量图配准。方法首先利用T_(1)加权图像的先验信息合成无运动的参考图像;其次使用DeepIPMCNet卷积神经网络来学习和配准层内运动。另一个网络DeepTPMDNet用于检测和消除穿层运动。使用在自由呼吸条件下采集的STONE序列T_(1)映射数据集进行训练、验证和测试,以验证本文方法的有效性。通过T_(1)标准差和SD map标准差来评估性能。结果在配准后,左心室和室间隔的Dice系数、T_(1)标准差和SD map标准差均得到了改善(通过DeepIPMCNet,左心室的Dice系数从0.88提高到0.90,室间隔的T_(1)标准差从121.91 ms降低到86.99 ms,SD map标准差从46.49 ms降低到36.53 ms;通过DeepTPMCNet,左心室的Dice系数从0.74提高到0.93,室间隔的T_(1)标准差从192.02 ms降低到114.37 ms,SD map标准差从93.41 ms降低到50.53 ms),差异均有统计学意义(P<0.001)。结论本研究提出的深度学习方法可有效缓解心脏和呼吸运动对心脏T_(1)定量图的影响。 展开更多
关键词 心脏磁共振(CMR) T_(1)定量图 配准算法 监督深度学习 卷积神经网络 DeepIPMCNet DeepTPMDNet
在线阅读 下载PDF
基于半监督学习的电力审计数据异常检测研究
7
作者 俞融斌 《电气技术与经济》 2025年第3期258-260,共3页
电力审计数据来源于多个系统,由于数据录入错误、设备故障、网络传输问题等原因,电力审计数据中包含大量的异常值,降低了异常检测的精准度。因此,提出基于半监督学习的电力审计数据异常检测方法。通过数据清洗与特征提取,实现电力审计... 电力审计数据来源于多个系统,由于数据录入错误、设备故障、网络传输问题等原因,电力审计数据中包含大量的异常值,降低了异常检测的精准度。因此,提出基于半监督学习的电力审计数据异常检测方法。通过数据清洗与特征提取,实现电力审计数据的预处理,通过半监督学习计算了异常数据得分,异常评分超出了这一界限值则判定该数据为异常数据,从而实现电力审计数据异常检测。实验结果表明,基于半监督学习的电力审计数据异常检测方法的误差较低,具备较高的检测精度。 展开更多
关键词 数据异常 电力系统 审计 数据检测 监督学习算法
在线阅读 下载PDF
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
8
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
基于半监督学习代理辅助的混合进化算法
9
作者 任志海 李贞 《科学技术创新》 2024年第12期91-95,共5页
针对目标函数评价昂贵的优化问题,在计算资源有限的情况下很难获得足够数据训练一个准确的全局代理模型,然而,不准确的全局代理模型其潜在优势是可以平滑局部极值点,从而可以引导算法加速找到最优解。另一方面,局部模型虽然不能辅助算... 针对目标函数评价昂贵的优化问题,在计算资源有限的情况下很难获得足够数据训练一个准确的全局代理模型,然而,不准确的全局代理模型其潜在优势是可以平滑局部极值点,从而可以引导算法加速找到最优解。另一方面,局部模型虽然不能辅助算法跳出局部最优,但是其相对于全局模型在局部区域具有较好的拟合效果。本文利用这两类模型的优点,针对计算昂贵问题提出了基于半监督学习代理模型的混合进化算法(SSL-SAHA)。在现有算法的基础上,对局部搜索部分进行了改进。利用在全局搜索过程中建立的集成模型选择一些未真实计算的个体,一起用于训练局部模型,从而提高局部RBF模型的估值准确度。实验结果表明,此算法可以有效求解计算昂贵问题。 展开更多
关键词 代理模型 元启发式算法 全局搜索 局部搜索 监督学习
在线阅读 下载PDF
基于K-means无监督机器学习算法的移动通信数据清洗方法
10
作者 李羽晨 《消费电子》 2024年第9期57-59,共3页
移动通信数据清洗通常仅通过设定固定的阈值来识别异常值,可能会出现误判或漏判的情况,导致清洗质量较差,为此研究基于K-means无监督机器学习算法的移动通信数据清洗方法。该方法首先进行移动通信数据信息的预处理,保证数据的准确性和... 移动通信数据清洗通常仅通过设定固定的阈值来识别异常值,可能会出现误判或漏判的情况,导致清洗质量较差,为此研究基于K-means无监督机器学习算法的移动通信数据清洗方法。该方法首先进行移动通信数据信息的预处理,保证数据的准确性和一致性。随后,通过特征提取技术,从预处理后的数据中提取出关键特征,为后续的数据处理提供基础。接着利用K-means无监督机器学习算法对移动通信数据进行聚类分析,识别并处理异常值,消除数据中的错误。最后,处理允余数据,进一步实现数据清洗,提升数据质量。实验结果表明:该方法在移动通信数据清洗的质量效果方面表现出色,不仅在数据完整性、准确性和一致性上有所提升,而且在降低允余度方面也有显著效果,实际应用价值更高。 展开更多
关键词 K-means无监督机器学习算法 K-means学习算法 移动通信数据 移动通信 数据清洗
在线阅读 下载PDF
基于无监督学习算法的脱机试卷管理平台设计
11
作者 王文慧 张晓倩 周谢益 《大众科技》 2024年第6期21-25,共5页
为改进传统阅卷方式,提高阅卷效率,文章采用前后端分离的开发方式搭建了一个基于无监督学习算法的脱机试卷管理平台。该平台分别以Vue-Element-Admin框架和OpenCV框架开发前后端,并运用无监督学习算法实现了出题和阅卷两大功能。与传统... 为改进传统阅卷方式,提高阅卷效率,文章采用前后端分离的开发方式搭建了一个基于无监督学习算法的脱机试卷管理平台。该平台分别以Vue-Element-Admin框架和OpenCV框架开发前后端,并运用无监督学习算法实现了出题和阅卷两大功能。与传统的出题及阅卷方式相比,基于无监督学习算法的脱机试卷管理平台不仅改进了出题时各题型试题的编辑功能,而且在使用该平台阅卷时可以通过自动扫描识别出学生答卷并生成评分,帮助使用者更高效地管理和批改试卷。 展开更多
关键词 前后端分离 监督学习算法 Vue-Element-Admin框架 OpenCV框架
在线阅读 下载PDF
基于深度学习的自适应图自监督学习推荐算法研究
12
作者 张粉粉 《电脑知识与技术》 2024年第31期31-33,共3页
随着推荐系统的发展,长尾问题也逐渐凸显。基于图结构的推荐算法通过挖掘用户与物品之间的间接联系来解决长尾问题。但是图的结构决定了推荐的优先度,与用户间接联系的长尾物品被推荐的优先度相对较低。图自监督学习推荐算法(SGL)通过... 随着推荐系统的发展,长尾问题也逐渐凸显。基于图结构的推荐算法通过挖掘用户与物品之间的间接联系来解决长尾问题。但是图的结构决定了推荐的优先度,与用户间接联系的长尾物品被推荐的优先度相对较低。图自监督学习推荐算法(SGL)通过添加图的随机扰动,提高了推荐系统的准确性和长尾物品推荐能力。而过多的历史数据会对推荐的准确性和长尾物品推荐性能造成负面影响。文章在SGL算法的基础上,将用户的个性化行为与图自监督学习相结合,解决在面对交互物品数量较多的用户时,推荐准确性和长尾物品推荐性能降低的问题。 展开更多
关键词 计算机系统结构 推荐算法 深度学习 图自监督学习 长尾问题
在线阅读 下载PDF
基于K-means聚类和特征空间增强的噪声标签深度学习算法 被引量:2
13
作者 吕佳 邱小龙 《智能系统学报》 CSCD 北大核心 2024年第2期267-277,共11页
深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样... 深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。 展开更多
关键词 噪声标签学习 深度学习 监督学习 机器学习 神经网络 K-MEANS聚类 特征空间增强 mixup算法
在线阅读 下载PDF
一种用于图像检索的新型半监督学习算法 被引量:9
14
作者 鲁珂 赵继东 +1 位作者 叶娅兰 曾家智 《电子科技大学学报》 EI CAS CSCD 北大核心 2005年第5期669-671,共3页
基于支持向量机的理论提出了一种用于图像检索的半监督学习算法。该算法的基本思想是,如果两点彼此是最近点,则它们共用一个标注。因此,该算法可以在具有最大类间空隙和很好保留位置特征的基础上找到一个投影。对该算法和标准支持向量... 基于支持向量机的理论提出了一种用于图像检索的半监督学习算法。该算法的基本思想是,如果两点彼此是最近点,则它们共用一个标注。因此,该算法可以在具有最大类间空隙和很好保留位置特征的基础上找到一个投影。对该算法和标准支持向量机及转导(transductive)支持向量机的图像检索效果进行了实验比较,结果表明该算法可以获得更好的效果。 展开更多
关键词 支持向量机 监督学习 保局投影 图像检索 学习算法 监督 种用 实验比较 最近点 投影
在线阅读 下载PDF
基于正则化瑞利系数的半监督k-部排序学习算法及应用 被引量:14
15
作者 高炜 梁立 徐天伟 《西南师范大学学报(自然科学版)》 CAS CSCD 北大核心 2014年第4期121-125,共5页
借鉴Ralaivola给出的基于正则化瑞利系数的半监督二部排序学习算法的思想,提出基于正则化瑞利系数的半监督k-部排序学习算法.同时,将此方法运用于本体相似度计算和本体映射.通过两个实验说明新算法是有效的.
关键词 k-部排序算法 监督学习 正则化瑞利系数 本体
在线阅读 下载PDF
结合Tri-training半监督学习和凸壳向量的SVM主动学习算法 被引量:6
16
作者 徐海龙 龙光正 +2 位作者 别晓峰 吴天爱 郭蓬松 《模式识别与人工智能》 EI CSCD 北大核心 2016年第1期39-46,共8页
为解决监督学习过程中难以获得大量带有类标记样本且样本数据标记代价较高的问题,结合主动学习和半监督学习方法,提出基于Tri-training半监督学习和凸壳向量的SVM主动学习算法.通过计算样本集的壳向量,选择最有可能成为支持向量的壳向... 为解决监督学习过程中难以获得大量带有类标记样本且样本数据标记代价较高的问题,结合主动学习和半监督学习方法,提出基于Tri-training半监督学习和凸壳向量的SVM主动学习算法.通过计算样本集的壳向量,选择最有可能成为支持向量的壳向量进行标记.为解决以往主动学习算法在选择最富有信息量的样本标记后,不再进一步利用未标记样本的问题,将Tri-training半监督学习方法引入SVM主动学习过程,选择类标记置信度高的未标记样本加入训练样本集,利用未标记样本集中有利于学习器的信息.在UCI数据集上的实验表明,文中算法在标记样本较少时获得分类准确率较高和泛化性能较好的SVM分类器,降低SVM训练学习的样本标记代价. 展开更多
关键词 主动学习 监督学习 支持向量机(SVM) 凸壳向量 Tri—training算法
在线阅读 下载PDF
基于半监督流形学习的WLAN室内定位算法 被引量:6
17
作者 夏颖 马琳 +1 位作者 张中兆 周才发 《系统工程与电子技术》 EI CSCD 北大核心 2014年第7期1422-1427,共6页
针对无线局域网室内定位系统中,因参考点密集布设而带来的数据采集、更新及定位匹配运算量增加的问题,提出了一种新的基于半监督流形学习的降维判别嵌入定位算法。该算法利用少量已标记数据和部分未标记数据,通过求解目标函数最优化,对... 针对无线局域网室内定位系统中,因参考点密集布设而带来的数据采集、更新及定位匹配运算量增加的问题,提出了一种新的基于半监督流形学习的降维判别嵌入定位算法。该算法利用少量已标记数据和部分未标记数据,通过求解目标函数最优化,对高维接收信号进行维数约减,保留最具判别力的定位特征,然后采用确定性定位算法找到定位特征与位置坐标的映射关系。实验结果表明,算法定位精度高于传统的定位算法,降低了离线阶段的数据采集工作量,便于后期数据库的实时更新。 展开更多
关键词 无线局域网 监督流形学习 降维 判别嵌入 定位算法
在线阅读 下载PDF
一种结合半监督Boosting方法的迁移学习算法 被引量:4
18
作者 洪佳明 陈炳超 印鉴 《小型微型计算机系统》 CSCD 北大核心 2011年第11期2169-2173,共5页
迁移学习是数据挖掘中的一个研究方向,试图重用相关领域的数据样本,将相关领域的知识"迁移"到新领域中帮助训练.当前,基于实例的迁移学习算法容易产生过度拟合的问题,不能充分利用相关领域中的有用数据.为了避免这个问题,通... 迁移学习是数据挖掘中的一个研究方向,试图重用相关领域的数据样本,将相关领域的知识"迁移"到新领域中帮助训练.当前,基于实例的迁移学习算法容易产生过度拟合的问题,不能充分利用相关领域中的有用数据.为了避免这个问题,通过引入目标领域的无标记样本参与训练,利用半监督Boosting方法,提出一种新的迁移学习算法,能够对样本的相关性进行更好的判断,减少选择性偏差的影响.在大量文本数据集上的实验表明了新算法的有效性. 展开更多
关键词 迁移学习 跨领域学习 BOOSTING算法 监督学习
在线阅读 下载PDF
基于分层高斯混合模型的半监督学习算法 被引量:22
19
作者 孙广玲 唐降龙 《计算机研究与发展》 EI CSCD 北大核心 2004年第1期156-161,共6页
提出了一种基于分层高斯混合模型的半监督学习算法 半监督学习算法的学习样本包括已标记类别样本和未标记类别学习样本 如用高斯混合模型拟合每个类别已标记学习样本的概率分布 ,进而用高斯数为类别数的分层高斯混合模型拟合全部 (已... 提出了一种基于分层高斯混合模型的半监督学习算法 半监督学习算法的学习样本包括已标记类别样本和未标记类别学习样本 如用高斯混合模型拟合每个类别已标记学习样本的概率分布 ,进而用高斯数为类别数的分层高斯混合模型拟合全部 (已标记和未标记 )学习样本的分布 ,则形成为一个基于分层的高斯混合模型的半监督学习问题 基于EM算法 ,首先利用每个类别已标记样本学习高斯混合模型 ,然后以该模型参数和已标记样本的频率分布作为分层高斯混合模型参数的初值 ,给出了基于分层高斯混合模型的半监督学习算法 以银行票据印刷体数字识别做实验 ,实验结果表明 。 展开更多
关键词 监督学习 高斯混合模型 分层高斯混合模型 EM算法
在线阅读 下载PDF
非独立同分布下联邦半监督学习的数据分享研究
20
作者 顾永跟 高凌轩 +1 位作者 吴小红 陶杰 《计算机工程》 CAS CSCD 北大核心 2024年第6期188-196,共9页
联邦学习作为一种保护本地数据隐私安全的分布式机器学习方法,联合分散的设备共同训练共享模型。通常联邦学习在数据均有标签情况下进行训练,然而现实中无法保证标签数据完全存在,提出联邦半监督学习。在联邦半监督学习中,如何利用无标... 联邦学习作为一种保护本地数据隐私安全的分布式机器学习方法,联合分散的设备共同训练共享模型。通常联邦学习在数据均有标签情况下进行训练,然而现实中无法保证标签数据完全存在,提出联邦半监督学习。在联邦半监督学习中,如何利用无标签数据提升系统性能和如何缓解数据异质性带来的负面影响是两大挑战。针对标签数据仅在服务器场景,基于分享的思想,设计一种可应用在联邦半监督学习系统上的方法Share&Mark,该方法将客户端的分享数据由专家标记后参与联邦训练。同时,为充分利用分享的数据,根据各客户端模型在服务器数据集上的损失值动态调整各客户端模型在联邦聚合时的占比,即ServerLoss聚合算法。综合考虑隐私牺牲、通信开销以及人工标注成本3个方面的因素,对不同分享率下的实验结果进行分析,结果表明,约3%的数据分享比例能平衡各方面因素。此时,采用Share&Mark方法的联邦半监督学习系统FedMatch在CIFAR-10和Fashion-MNIST数据集上训练的模型准确率均可提升8%以上,并具有较优的鲁棒性。 展开更多
关键词 联邦半监督学习 联邦学习 数据非独立同分布 鲁棒性 聚合算法 数据分享
在线阅读 下载PDF
上一页 1 2 21 下一页 到第
使用帮助 返回顶部