无标签样本相关论文
为了充分利用变压器发生故障时产生的大量无标签样本,提高故障诊断精度,提出基于深度收缩自编码器(DCAE)与核半监督极限学习机(KSS......
针对标记样本不足条件下基于机器学习的战场态势评估模型准确性不高的问题,提出了基于自训练半监督学习的战场态势评估模型。以适......
成像光谱仪技术的出现,使遥感技术提供光谱特征信息的同时,也提供了空间特征图像,在此基础上,高光谱遥感图像因具有较高的光谱分辨......
主动学习是机器学习的子领域,可以有选择地对样本进行学习,主要解决无法有效使用大量无标签数据的问题.结合密度聚类算法和邻域模......
基于深度信念网络,构建了深度信念网络分类器模型,分析并用典型数据集对其分类性能进行测试。在此基础上结合电力变压器油中溶解气......
为了有效地利用结构信息,提出了一种新的自学习算法,算法中利用聚类方法从自标记样本中选择可信度高的样本,同时用一个数据编辑方......
针对直推式支持向量机（TSVM）学习模型求解难度大的问题，提出了一种基于k均值聚类的直推式支持向量机学习算法——TSVMKMC。该算法利用......
监督型顺序回归算法需要足够多的有标签样本,而在实践中,标注样本的序数耗时耗力,甚至难以完成。为此,提出一种集成最近邻规则的半......
针对直推式支持向量机（TSVM）需要遍历所有无标签样本花费时间长的缺点,提出一种基于改进k-近邻法的直推式支持向量机学习算法——k2T......
针对渐进直推式支持向量机算法训练速度慢和学习性能不稳定的问题，提出一种近邻渐进直推式支持向量机算法。该算法利用支持向量机中......
随着大数据时代的来临,数据给人们的生活带来了形形色色的改变,数据的获取已不再是问题,但是数据的标签不能直接获取到,往往需要分......
针对LASSO算法及有关扩展模型忽略样本数据间关联信息的问题,以及有标签样本难以获取的实际情况,提出了一种半监督学习的特征选择......
针对一些工业过程中存在的有标签样本少,而传统的半监督学习无法保证对无标签样本准确预测的问题,提出一种双优选的半监督回归算法......
主动学习是机器学习领域研究的热点之一,旨在解决样本无标签问题.将三支决策的思想应用到主动学习中,通过引入决策函数,并基于无标......
传统K近邻（KNN）算法简单易于理解，但是求解过程中需要计算样本之间的距离，时间复杂度较高。针对这种不足，本文提出了一种基于向量投影的......
