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
2
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
多视图交叉一致性学习的半监督水面目标检测
被引量：
3
1
作者
冯俊健
李彬
+1 位作者
田联房
董超
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023年第4期107-114,共8页
为缓解基于半监督学习的水面目标检测对有限标注样本过拟合的问题,提高无标注样本中目标提取的有效性,提出了基于多视图交叉一致性学习的半监督水面目标检测算法。首先,该算法通过数据增强的方式为训练样本生成不同的视图以丰富数据集...
为缓解基于半监督学习的水面目标检测对有限标注样本过拟合的问题,提高无标注样本中目标提取的有效性,提出了基于多视图交叉一致性学习的半监督水面目标检测算法。首先,该算法通过数据增强的方式为训练样本生成不同的视图以丰富数据集的多样性;然后,利用所提出的多视图目标判别器为无标注样本在线生成伪标签,有助于提取无标注样本的有效信息;最后,利用所提出的多视图交叉一致性学习使同一目标实例的不同视图的输出实现交叉一致性正则化,以促进检测模型学习判别性的特征从而降低过拟合的风险。在海上和内河数据集上的实验结果表明:文中所提算法能够提高特征提取的判别性,对多类别的水面目标检测精度达到91.0%,比全监督检测算法提高了18.7%,比其他半监督检测算法提高了3.8%以上;在检测速度上,该算法达到13.1帧/s,基本满足实时性要求。所提算法通过多视图交叉一致性学习提高特征的判别性和缓解检测模型的过拟合风险,有助于提高半监督水面目标检测的性能。
展开更多
关键词
水面目标检测
半监督
学习
多视图
交叉
一致性
学习
交叉
一致性
正则化
多视图
目标判别器
在线阅读
下载PDF
职称材料
基于公平感知的缺失多视图聚类
被引量：
1
2
作者
江梦平
刘美玲
+2 位作者
王前前
高全学
张向东
《信号处理》
北大核心
2025年第2期241-252,共12页
缺失多视图聚类是一种处理多源数据的方法,它能够在数据中发现一致和互补的信息,并将数据分成不同的簇。这种方法可以有效解决复杂环境下的无监督多源数据分析问题,因此受到了广泛关注。然而,现有的缺失多视图聚类算法存在一些问题。它...
缺失多视图聚类是一种处理多源数据的方法,它能够在数据中发现一致和互补的信息,并将数据分成不同的簇。这种方法可以有效解决复杂环境下的无监督多源数据分析问题,因此受到了广泛关注。然而,现有的缺失多视图聚类算法存在一些问题。它们往往忽视了数据中的一些差异,这些差异源于特殊群体的敏感属性。这会导致算法对这些特殊群体产生偏见,从而引发聚类的不公平问题。此外,经过修复之后的缺失样本,缺乏样本的独特性。针对以上问题,本文提出了一种基于公平感知的缺失多视图聚类方法,以缓解无监督聚类任务对特殊群体的不公平对待,同时解决了多视图数据一致性融合和缺失数据恢复问题。首先分别为每一个视图训练一个自动编解码器,利用信息论对经过编码器得到的多视图嵌入特征进行一致性融合,同时训练一个生成网络以恢复缺失视图数据,在使用嵌入特征进行聚类时,约束各簇中特殊群体的分布,使得各簇中特殊群体分布与整个数据集中的分布接近以保证算法的公平性。实验在3个常用多视图数据集上与最新的5种缺失多视图聚类方法进行了比较,在Bank数据集上缺失率为0.5时,相比于性能第2的方法,标准化互信息(Normalized Mutual Information,NMI)值提高了0.82%,公平值(Balance)提高了3.03%;在Credit Card数据集上缺失率为0时,相比于性能第2的方法,NMI值提高了3.53%,Balance值提高了5.62%。同时也在Credit Card数据集中进行了可视化实验以验证聚类算法的性能和公平性,消融实验证明了提出的多视图一致性融合和缺失视图恢复机制的有效性。本文所提出的方法考虑了缺失多视图场景下无监督聚类算法的公平性问题,在保证算法聚类性能的前提下提高了无监督聚类任务的公平性。
展开更多
关键词
无监督
学习
公平性机器
学习
缺失
多视图
聚类
多视图一致性学习
缺失
视图
恢复
信息论
在线阅读
下载PDF
职称材料
题名
多视图交叉一致性学习的半监督水面目标检测
被引量：
3
1
作者
冯俊健
李彬
田联房
董超
机构
华南理工大学自动化科学与工程学院
国家海洋局南海调查技术中心
自然资源部海洋环境探测技术与应用重点实验室
出处
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023年第4期107-114,共8页
基金
广东省重点研发计划(2020B1111010002)
广东省海洋经济发展专项(GDNRC[2020]018)
2021年广东省科技专项资金(“大专项+任务清单”)(210719145863737)。
文摘
为缓解基于半监督学习的水面目标检测对有限标注样本过拟合的问题,提高无标注样本中目标提取的有效性,提出了基于多视图交叉一致性学习的半监督水面目标检测算法。首先,该算法通过数据增强的方式为训练样本生成不同的视图以丰富数据集的多样性;然后,利用所提出的多视图目标判别器为无标注样本在线生成伪标签,有助于提取无标注样本的有效信息;最后,利用所提出的多视图交叉一致性学习使同一目标实例的不同视图的输出实现交叉一致性正则化,以促进检测模型学习判别性的特征从而降低过拟合的风险。在海上和内河数据集上的实验结果表明:文中所提算法能够提高特征提取的判别性,对多类别的水面目标检测精度达到91.0%,比全监督检测算法提高了18.7%,比其他半监督检测算法提高了3.8%以上;在检测速度上,该算法达到13.1帧/s,基本满足实时性要求。所提算法通过多视图交叉一致性学习提高特征的判别性和缓解检测模型的过拟合风险,有助于提高半监督水面目标检测的性能。
关键词
水面目标检测
半监督
学习
多视图
交叉
一致性
学习
交叉
一致性
正则化
多视图
目标判别器
Keywords
surface object detection
semi-supervised learning
multi-view cross-consistency learning
crossconsistency regularization
multi-view target discriminator
分类号
TN911.73 [电子电信—通信与信息系统]
在线阅读
下载PDF
职称材料
题名
基于公平感知的缺失多视图聚类
被引量：
1
2
作者
江梦平
刘美玲
王前前
高全学
张向东
机构
西安电子科技大学通信工程学院
出处
《信号处理》
北大核心
2025年第2期241-252,共12页
文摘
缺失多视图聚类是一种处理多源数据的方法,它能够在数据中发现一致和互补的信息,并将数据分成不同的簇。这种方法可以有效解决复杂环境下的无监督多源数据分析问题,因此受到了广泛关注。然而,现有的缺失多视图聚类算法存在一些问题。它们往往忽视了数据中的一些差异,这些差异源于特殊群体的敏感属性。这会导致算法对这些特殊群体产生偏见,从而引发聚类的不公平问题。此外,经过修复之后的缺失样本,缺乏样本的独特性。针对以上问题,本文提出了一种基于公平感知的缺失多视图聚类方法,以缓解无监督聚类任务对特殊群体的不公平对待,同时解决了多视图数据一致性融合和缺失数据恢复问题。首先分别为每一个视图训练一个自动编解码器,利用信息论对经过编码器得到的多视图嵌入特征进行一致性融合,同时训练一个生成网络以恢复缺失视图数据,在使用嵌入特征进行聚类时,约束各簇中特殊群体的分布,使得各簇中特殊群体分布与整个数据集中的分布接近以保证算法的公平性。实验在3个常用多视图数据集上与最新的5种缺失多视图聚类方法进行了比较,在Bank数据集上缺失率为0.5时,相比于性能第2的方法,标准化互信息(Normalized Mutual Information,NMI)值提高了0.82%,公平值(Balance)提高了3.03%;在Credit Card数据集上缺失率为0时,相比于性能第2的方法,NMI值提高了3.53%,Balance值提高了5.62%。同时也在Credit Card数据集中进行了可视化实验以验证聚类算法的性能和公平性,消融实验证明了提出的多视图一致性融合和缺失视图恢复机制的有效性。本文所提出的方法考虑了缺失多视图场景下无监督聚类算法的公平性问题,在保证算法聚类性能的前提下提高了无监督聚类任务的公平性。
关键词
无监督
学习
公平性机器
学习
缺失
多视图
聚类
多视图一致性学习
缺失
视图
恢复
信息论
Keywords
unsupervised learning
fair machine learning
incomplete multi-view clustering
multi-view consistency learning
missing view recovery
information theory
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
TP18 [自动化与计算机技术—控制理论与控制工程]
TP274 [自动化与计算机技术—检测技术与自动化装置]
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
多视图交叉一致性学习的半监督水面目标检测
冯俊健
李彬
田联房
董超
《哈尔滨工业大学学报》
EI
CAS
CSCD
北大核心
2023
3
在线阅读
下载PDF
职称材料
2
基于公平感知的缺失多视图聚类
江梦平
刘美玲
王前前
高全学
张向东
《信号处理》
北大核心
2025
1
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
