【摘 要】
：
现有的多标记学习技术大多只考虑了相关性学习问题而忽略了数据因变换而引起的结构性质不一致问题，导致原始特征数据的结构性质因映射变换发生改变，从而影响了模型的分类性能。为了解决这一问题，提出了基于结构性质保持和相关性学习的多标记分类算法。首先，算法构造了线性映射函数以实现特征空间与标记空间的映射；然后，算法借鉴图正则化思想，引入基于特征数据的结构性质保持策略以降低特征数据因线性变换引起的结构性质差异；
论文部分内容阅读
现有的多标记学习技术大多只考虑了相关性学习问题而忽略了数据因变换而引起的结构性质不一致问题，导致原始特征数据的结构性质因映射变换发生改变，从而影响了模型的分类性能。为了解决这一问题，提出了基于结构性质保持和相关性学习的多标记分类算法。首先，算法构造了线性映射函数以实现特征空间与标记空间的映射；然后，算法借鉴图正则化思想，引入基于特征数据的结构性质保持策略以降低特征数据因线性变换引起的结构性质差异；最后，针对标记数据引入基于标记对的相关性学习策略进一步优化算法参数，以提高模型的分类性能。在不同规模的标
其他文献
利用基于机器学习的抛撒地雷智能探测方法及探测系统，在夜间复杂场景下对不同类型的地雷目标进行智能探测实验研究。在论述抛撒地雷夜视智能识别方法的基础上，以72式防坦克金属地雷、69式防坦克塑壳地雷、58式防步兵橡胶地雷作为抛撒地雷目标，设计不同的实验场景进行被动式夜视智能探测实验，并研究多雷区的探测方法及可行性。结果显示，在给定的实验条件下，抛撒地雷的裸露面积由无明显遮挡、轻微遮挡至部分遮挡的检测精确
为解决特征选择ReliefF算法在利用欧氏距离选取近邻样本过程中，造成的算法稳定性差以及选取的特征子集分类准确率低的问题，提出了一种利用最大信息系数作为近邻样本选择标准的MICReliefF(Maximum Information Coefficient-ReliefF)算法。同时，以支持向量机(SVM)模型的分类准确率作为评价指标，多次寻优，自动确定其最优特征子集，实现MICReliefF算法与
针对现如今的行人检测算法未能充分利用行人的特征信息，导致对行人的检测效果不佳的问题，本文对无锚框的行人检测网络模型CSP进行了相应改进，提出了一种基于卷积神经网络的行人检测算法。首先，将原主干网络由ResNet-50加深为ResNet-101，然后引入卷积块注意力模块CBAM来提高原网络对小尺度行人中心点的特征表达，然后加入基于分数融合公式的分类器模块来进一步提高被遮挡行人的置信度，最终得到AS-
生物大分子， 如蛋白质、核酸， 影响着生命体的微观行为， 直接决定了物种的生命功能. 生物大分子可视化技术， 对分子生物学和生物化学领域具有重要的研究意义， 是计算机辅助药物设计的重要研究方向. 文中对近年来生物大分子可视化进行深入的分析. 首先从分子结构的空间形态定义出发， 概述分子骨架、表面、空腔3种基本空间形态的概念和可视化方法; 然后论述近年来大规模生物分子场景可视化技术， 包括分子组装、
射频识别（radio frequency identification， RFID）技术在工业探测领域的应用不断深入，对RFID标签在多金属环境中的读取性能提出了更高的要求，本文提出一种可以在金属表面任意滚动的高效率RFID标签天线。所设计的滚动型标签天线是由倒F天线（inverted F antenna， IFA）进化而成，天线采用了呈柱状布局的四个辐射臂，其中一组相对的两臂通过馈电面与同轴线芯
时尚产业是全球最具商业利益的产业之一，基于机器学习的时尚穿搭推荐技术利用互联网时尚社区的海量穿搭数据学习穿衣搭配技巧，实现个性化的时尚穿搭推荐服务于时尚产业，受到工业界和学术界的广泛关注。结合时尚穿搭的特点提出了基于机器学习的时尚穿搭推荐基本框架，并在此基础上对近几年国内外相容性预测与诊断、智能穿搭生成等关键技术的相关研究工作进行总结分析，并指出该研究领域所面临的挑战性问题和未来的研究方向。
针对目前自然语言句子匹配方法未能融合公共语义信息以及难以捕获深层次语义信息的问题，提出了一种融合高低层语义信息的自然语言句子匹配算法。该算法首先采用预训练词向量Glove和字符级别的词向量获取句子P和句子Q的词嵌入表示；其次，使用双向LSTM(Long-Short Term Memory)对P和Q进行编码，再初步融合P和Q获取低层语义信息；然后，计算P与Q的双向注意力，拼接得到语义表征，再计算其自
针对传统的时间序列预测方法在处理复杂丰富的大数据时常面临变量间抽样频率不同、数据相关性复杂等问题。基于Lasso算法和混频数据抽样模型(MIDAS)，提出了不改变数据结构的混频时序预测模型Lasso-MIDAS。该模型通过融合MIDAS处理混频信息的机制和Lasso算法的压缩特性来实现估计预测，实时修正对预测最有效的混频变量集。根据常见的正则化方法岭回归，还设计了Ridge-MIDAS模型用作比较
动态时间弯曲距离能度量不等长的时间序列、且具有较高的匹配精度，因此广泛应用在时间序列模式匹配中。但其计算复杂度较高，制约了在大规模数据集上的应用。为了实现时间序列模式度量结果和计算复杂度的平衡，提出一种基于特征点界标过滤的时间序列模式匹配方法。首先，提出一种特征点界标过滤的特征提取方法，保留时间序列主要特征，压缩时间维度；然后，利用动态时间弯曲距离对特征序列进行相似性度量；最后，在应用数据集上对所
为研究天巡一号微小卫星的电磁散射特性，建立具有隐身外形设计的微小卫星电磁计算模型。采用物理光学法(Physical Optics ，PO)对不同状态下的雷达散射截面(Radar Cross Section ，RCS)进行数值计算，并与微波暗室的试验结果对比，验证了PO的准确性。在此基础上，着重分析了卫星RCS入射角、极化、频率、电尺寸响应特性和全姿态角空间RCS响应特性。最后，参考天巡一号的隐身构