期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习
被引量：
1
1
作者
吴建盛
唐诗迪
+2 位作者
梅德进
朱燕翔
刁业敏
《国防科技大学学报》
EI
CAS
CSCD
北大核心
2022年第3期23-30,共8页
在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从...
在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。
展开更多
关键词
多示例多标记学习
蛋白质功能预测
有向无环图
标记
结构
标记
相关性
在线阅读
下载PDF
职称材料
基于稀疏编码和集成学习的多示例多标记图像分类方法
被引量：
14
2
作者
宋相法
焦李成
《电子与信息学报》
EI
CSCD
北大核心
2013年第3期622-626,共5页
该文基于稀疏编码和集成学习提出了一种新的多示例多标记图像分类方法。首先,利用训练包中所有示例学习一个字典,根据该字典计算示例的稀疏编码系数;然后基于每个包中所有示例的稀疏编码系数计算包特征向量,从而将多示例多标记问题转化...
该文基于稀疏编码和集成学习提出了一种新的多示例多标记图像分类方法。首先,利用训练包中所有示例学习一个字典,根据该字典计算示例的稀疏编码系数;然后基于每个包中所有示例的稀疏编码系数计算包特征向量,从而将多示例多标记问题转化为多标记问题;最后利用多标记分类算法进行求解。为了提高分类器的泛化能力,对多个分类器进行集成。在多示例多标记图像数据集上的实验结果表明所提方法与其它方法相比有更好的性能。
展开更多
关键词
图像分类
多示例多标记学习
稀疏编码
集成
学习
在线阅读
下载PDF
职称材料
基于新型机器学习方法的蛋白质功能预测与分析
3
作者
吴建盛
《信息通信》
2012年第5期19-20,共2页
介绍了蛋白质功能预测与分析的现状和主要研究内容,并说明了如何利用新型机器学习方法来进行这方面的研究工作,并对其以后的发展提出了展望。
关键词
蛋白质功能预测
机器
学习
多示例多标记学习
在线阅读
下载PDF
职称材料
题名
面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习
被引量：
1
1
作者
吴建盛
唐诗迪
梅德进
朱燕翔
刁业敏
机构
南京邮电大学地理与生物信息学院
南京邮电大学通信与信息工程学院
南京仁面集成电路技术有限公司
南京叁角加文化发展中心
出处
《国防科技大学学报》
EI
CAS
CSCD
北大核心
2022年第3期23-30,共8页
基金
国家自然科学基金资助项目(61872198,61971216)
江苏省科技厅基础研究计划面上资助项目(BK20201378)。
文摘
在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。
关键词
多示例多标记学习
蛋白质功能预测
有向无环图
标记
结构
标记
相关性
Keywords
multi-instance multi-label learning
protein function prediction
labels with directed acyclic graph structure
label relationship
分类号
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于稀疏编码和集成学习的多示例多标记图像分类方法
被引量：
14
2
作者
宋相法
焦李成
机构
西安电子科技大学智能感知与图像理解教育部重点实验室
出处
《电子与信息学报》
EI
CSCD
北大核心
2013年第3期622-626,共5页
基金
国家自然科学基金(61272282
61173090
+7 种基金
61072106
61072108
60970067
60971112
60971128)
国家973计划项目(2013CB329402)
教育部"长江学者和创新团队发展计划"(IRT1170)
高等学校学科创新引智计划(111计划)(B07048)资助课题
文摘
该文基于稀疏编码和集成学习提出了一种新的多示例多标记图像分类方法。首先,利用训练包中所有示例学习一个字典,根据该字典计算示例的稀疏编码系数;然后基于每个包中所有示例的稀疏编码系数计算包特征向量,从而将多示例多标记问题转化为多标记问题;最后利用多标记分类算法进行求解。为了提高分类器的泛化能力,对多个分类器进行集成。在多示例多标记图像数据集上的实验结果表明所提方法与其它方法相比有更好的性能。
关键词
图像分类
多示例多标记学习
稀疏编码
集成
学习
Keywords
Image classification
Multi-instance multi-label learning
Sparse coding
Ensemble learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于新型机器学习方法的蛋白质功能预测与分析
3
作者
吴建盛
机构
南京邮电大学地理与生物信息学院
出处
《信息通信》
2012年第5期19-20,共2页
基金
南京邮电大学科研启动基金项目(NY209027)
南京邮电大学教学改革研究招标项目(JG01611JX02)
文摘
介绍了蛋白质功能预测与分析的现状和主要研究内容,并说明了如何利用新型机器学习方法来进行这方面的研究工作,并对其以后的发展提出了展望。
关键词
蛋白质功能预测
机器
学习
多示例多标记学习
Keywords
protein function prediction
machine learning
multi-instance multi-label learning
分类号
Q811 [生物学—生物工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
面向蛋白质功能预测中有向无环图标记结构的多示例多标记学习
吴建盛
唐诗迪
梅德进
朱燕翔
刁业敏
《国防科技大学学报》
EI
CAS
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
2
基于稀疏编码和集成学习的多示例多标记图像分类方法
宋相法
焦李成
《电子与信息学报》
EI
CSCD
北大核心
2013
14
在线阅读
下载PDF
职称材料
3
基于新型机器学习方法的蛋白质功能预测与分析
吴建盛
《信息通信》
2012
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
