【摘 要】
：
多示例多标记学习(MIMLL,Multi-Instance Multi-Label Learning)是机器学习的一个重要分支。MIML学习框架中,一个样本由多个示例即特征向量表示,并同时与多个标记相关联。因
论文部分内容阅读
多示例多标记学习(MIMLL,Multi-Instance Multi-Label Learning)是机器学习的一个重要分支。MIML学习框架中,一个样本由多个示例即特征向量表示,并同时与多个标记相关联。因为自身的结构复杂和多语义特性,图像和文本的分类和近邻搜索问题可以归结为MIML学习问题。传统的MIML算法使用豪斯多夫距离(Hausdorff distance)来度量样本在特征空间的距离,无法反映出样本间的语义相关性。而距离度量学习通过利用样本的标记信息来优化样本间距离,达到距离度量的语义一致。本文在MIML学习架构下,通过距离度量学习优化样本的分类和搜索算法,主要贡献如下:提出了一种基于聚类策略的MIML距离度量学习算法,该算法在学习过程中引入了聚类思想与标记相关性,在简化了距离度量学习复杂度的同时探索了标记与示例之间的关系;设计了一种联合距离度量学习和k-最近邻技术的MIML分类算法,利用学习得到的距离度量计算样本近邻充分考虑了语义一致性,提高了分类算法的性能;设计了一种联合距离度量学习和锚图哈希(AGH,Anchor Graph Hashing)技术的MIML哈希算法,利用学习得到的距离度量构建样本与锚点的邻接矩阵,充分考虑语义一致性,提高了哈希算法性能;实验验证了本文提出的分类及哈希算法的有效性。
其他文献
随着信息技术的发展，无线通信系统可利用频谱资源越来越少。超宽带技术因其高带宽特性受到学术界的重视。因此，研究并提高超宽带通信电路性能，对无线通信的发展具有重要的科学意
信号是信息的载荷者、传送者。自然界和人类社会中信息的传输与交换都是通过信号这一物理实体来完成的。自然界里，信号形式多种多样，普遍存在的一种信号模型是高动态信号。该信
无线通信业务需求的爆炸式增长和服务质量要求的不断提高，要求无线通信网络必须利用有限的频谱资源，不断寻求提高系统容量和覆盖能力的技术途径。认知无线电作为一种智能频谱共
当今社会随着移动数据流量爆炸性增长以及频谱资源的短缺,大规模多输入多输出(MIMO)技术可以预见成为下一代移动通信系统的核心技术点,同时绿色通信也成为未来通信领域的焦点
随着移动通信技术的发展，集群通信也在向基于TD-SCDMA技术的第三代数字集群演进。目前集群业务量在增长，集群用户也在增加，而无线频谱资源相对有限。在这种情况下，呼叫接纳控制算
智能电网具有可靠、优质、高效、兼容、互动等特点，是未来电网的发展方向。实时电价(RTP)作为智能电网的一种理想定价机制，具有节能环保、削峰填谷、保障用户和供电商最大化效益等方面的优势，能完善需求侧管理，鼓励用户更明智更高效地用电，有效解决智能电网的供需平衡问题。然而，对实时电价模型的求解，通常采用基于对偶分解的次梯度算法，该算法有步长不易调整及在电网规模较大时，收敛慢甚至不收敛的缺陷。本文所用改进
随着数字多媒体技术的发展,光正交频分复用(O-OFDM)传输系统因其高速率大容量的特点得到了广泛的研究。然而由于受到O-OFDM系统中的色散、传输系统光器件和OFDM信号的子载波
随着各种宽带网络应用的不断涌现，组播业务日渐发展成为一种重要的业务模式。光网络拥有巨大的带宽资源，将组播技术移植到光网络将会使得更多的宽带实时应用成为可能。光组播中
感知无线电网络中，次用户（感知用户）在检测周期内需要对授权频段进行检测，当检测到频谱空洞后，次用户则利用空闲频段传输数据，这种伺机接入空闲的授权频段方案，可以提高频谱利用率。
近年来，随着光网络的不断发展，作为光网络接入环节代表性技术之一的以太无源光网络(Ethernet Passive Optical Network，EPON)得到了迅速的普及与应用。有关EPON应用和创新的各类