期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于最大化间隔准则和成对约束的鲁棒半监督聚类研究
1
作者 曾洪 宋爱国 卢伟 《高技术通讯》 CAS CSCD 北大核心 2013年第1期85-90,共6页
针对现有半监督最大间隔聚类算法在不同类别中有不少样本非常相似的情况下难以提高聚类准确度的问题,提出了下述解决策略:首先,基于最大化间隔准则设计一种鲁棒的成对约束损失函数,即使不同类别有较多样本非常相似,该函数仍然能有... 针对现有半监督最大间隔聚类算法在不同类别中有不少样本非常相似的情况下难以提高聚类准确度的问题,提出了下述解决策略:首先,基于最大化间隔准则设计一种鲁棒的成对约束损失函数,即使不同类别有较多样本非常相似,该函数仍然能有效地检测不能满足成对约束的聚类结果,并提供相应的惩罚,从而能较好地提高聚类的性能。其次,基于约束凹凸过程设计一种迭代算法进行求解。进而,基于这一策略,提出了一种新的聚类算法——鲁棒的成对约束最大化间隔聚类(BPCMMC)算法。实验结果表明,该算法能有效克服现有半监督最大间隔聚类算法的不足,其聚类错误率明显低于传统的半监督聚类算法。 展开更多
关键词 半监督聚类 成对约束 最大化间隔准则 损失函数 约束凹凸过程 (CCCP)
在线阅读 下载PDF
基于Co-Teaching的噪声标签深度学习
2
作者 夏强强 李菲菲 《电子科技》 2024年第11期1-6,共6页
大规模数据在人为标记时易出现标记误差,导致数据集存在噪声标签,影响深度神经网络模型的泛化。Co-teaching等现行研究方法中的样本选择机制易使噪声样本流入被选的干净标签样本子集,在训练中难以较好地控制深度神经网络模型对被选干净... 大规模数据在人为标记时易出现标记误差,导致数据集存在噪声标签,影响深度神经网络模型的泛化。Co-teaching等现行研究方法中的样本选择机制易使噪声样本流入被选的干净标签样本子集,在训练中难以较好地控制深度神经网络模型对被选干净样本子集的拟合。因此,文中提出一个基于Co-teaching改进的新算法。该方法通过增加两个正则化损失来分别避免模型过于信任某单一类别和陷入局部最优解中。此外,引入大学习率衰减训练方法使模型在训练初期更倾向学习干净标签样本特征以得到较好的模型参数。与Co-teaching结果相比,文中模型在20%和50%对称噪声以及45%非对称噪声环境下,在MNIST、CIFAR-10合成噪声数据集及Animal10N现实数据集上的性能均取得了提升。 展开更多
关键词 深度学习 卷积神经网络 图像分类 噪声标签数据 标签噪声学习 Co-teaching训练 学习率 鲁棒损失函数
在线阅读 下载PDF
基于ISVM的船舶横摇运动实时预报方法 被引量:1
3
作者 刘胜 杨震 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2011年第5期607-612,共6页
针对船舶横摇运动时序的小样本、非线性、随机性等特点,提出了一种改进支持向量机(improved support vectormachine,ISVM),采用鲁棒损失函数和小波核函数可以有效压制横摇时序的多种噪音和奇异点,具有良好的鲁棒性及泛化能力;引入单松... 针对船舶横摇运动时序的小样本、非线性、随机性等特点,提出了一种改进支持向量机(improved support vectormachine,ISVM),采用鲁棒损失函数和小波核函数可以有效压制横摇时序的多种噪音和奇异点,具有良好的鲁棒性及泛化能力;引入单松弛变量使得ISVM具有更简洁的对偶问题及约减的寻优范围,减小了算法运行的时间.建立基于ISVM的船舶横摇运动姿态实时预报模型,对某船横摇运动姿态进行了预报,仿真结果表明该模型是行之有效的. 展开更多
关键词 船舶横摇运动 改进支持向量机 Marr小波核 鲁棒损失函数 实时预报
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部