论文部分内容阅读
标注受限场景下的多标签学习方法研究
【出 处】
:
国防科技大学
【发表日期】
:
2020年01期
其他文献
以寒冷地区某高校学生公寓为研究对象,采用问卷调查和实地测试相结合的方法研究人体舒适温度,指导供暖系统调控,在满足学生公寓不同用热时段热舒适的同时降低供暖系统能耗。通过问卷调查得出供暖宿舍学生期望温度为20~22℃。实地测试得到在80%人员满意度下,男生和女生可接受的室内温度范围分别为19.4~26.4℃、19.5~26.2℃,宿舍学生会依据实际室内温度适当增减衣物,舒适温度分别为21.60℃、21
构建专业领域的论文知识图谱,能够为该领域的科研人员提供强大的知识服务。单位名称是文献知识图谱中重要的知识,对单位名称的知识抽取是构建文献知识图谱的重要环节。由于抽取出的单位实体往往存在多种表述方式,因此需要对这些单位名称进行消歧。由于抽取出的单位实体为无标签数据,因此在单位名称消歧的过程中,主要采用文本聚类的方式。在文本聚类的过程中,文本间相似度计算方式和聚类算法将会影响单位名称消歧的结果。因此本
海量数据对于训练传统有监督学习模型是一种巨大挑战,这是因为手动标注动态新增样本是不切实际的。此时无监督学习方法能发挥替代有监督学习方法的数据分析功能。在无监督学习中,聚类可直观地分析数据,其目标是将未标记的数据分成几类群簇,保证相似的样本聚集到同类群簇中。鉴于它的直观实际含义,聚类算法已被广泛应用于图像分割、模式识别和数据挖掘等任务。流形学习假设高维数据可以看成高维空间中的低维流形嵌入,因此很多聚
随着云存储技术的快速发展,其灵活便捷的存储方式吸引大量用户通过网络服务进行跨空间的远程存储操作。云存储服务在给用户带来便捷的同时,也带来了隐私泄露以及数据完整性损坏等诸多安全问题。如何保障云存储的安全性已经成为越来越多的学者研究的热点。仅对云端数据进行加密会导致原有的数据索引结构改变,因此难以在密文基础上进行数据搜索查询。可搜索加密技术的出现实现了如何在密文基础上进行检索,为保护云存储安全发挥着重
近年来,由于城市人口不断增长,环境污染、交通拥堵等“城市病”问题日益突出。为缓解城市问题,实现城市的可持续发展战略,国家大力倡导“低碳”、“绿色”的出行方式,共享单车孕育而生。短短几年间,共享单车发展迅猛,从开始的有桩共享单车发展到更加便捷的无桩共享单车。其中,mobike和ofo两家无桩共享单车品牌发展最广,对社会的影响最大。但是,由于共享单车的爆发式发展,导致共享单车在管理方面的滞后,使得共享