未标记数据相关论文
深度学习的成功依赖于大规模具有精确标记的数据。获取数据真实标记需要大量人力物力,代价昂贵。实际应用中标记通常由众包等廉价......
在互联网技术飞速发展的背景下,信息过载问题成为了用户新的苦恼,也阻碍了互联网业务继续发展。随着数据挖掘技术的进步,个性化推......
在传统的机器学习中，学习器通过对大量有标记样本进行学习来建立模型预测新样本的标记。但是收集大量数据相对容易，而对这些大量数据......
传统单标记学习(single-label learning)假设现实世界中的对象仅有单一的语义信息(semantic)。然而现实世界中的对象往往同时具有......
传统的分类问题需要通过大量的标记样本进行学习，以预测未来样本的标记。然而在实际的分类应用中，比如图像分析、网页分类、蛋白质结......
偏标记学习是一种重要的弱监督机器学习框架,它广泛地存在于现实世界的许多应用场景中,比如计算机视觉、互联网、生态信息学等。在......
提出了一种基于半监督模糊聚类的异常入侵检测方法，半监督学习算法的训练样本包括已标记数据和未标记数据，在训练系统模型时使用......
基于Tri-training的半监督SVM算法，提出一种采用二叉树粗分类与SVM细分类结合的分类识别方法，充分发挥SVM在二类分类问题方面相对于......
随着网络的快速发展，Internet正在成为化学信息的主要载体。然而Web信息的急速膨胀，对化学工作者有效利用化学网络资源提出了巨大挑......
针对客户端垃圾邮件过滤器难以获取足够训练样本的问题,提出一种基于小样本学习的垃圾邮件过滤方法,利用容易获取的未标记样本提高......
提出了一个基于数据挖掘的分布式入侵检测系统,介绍了系统结构框架和主要组件。该系统综合利用了几种数据挖掘算法,可以对未标记数......
由于入侵检测使用的数据集十分庞大,现有的串行聚类算法很难在合理的时间内得到结果.文章提出了一种应用于入侵检测的并行K-均值算......
在传统机器学习算法中,一个样本仅对应单个类别标记。而现实世界中,一个对象往往同时具备多个语义信息。为了对这些多义性对象进行......
数据流分类是数据挖掘领域的重要研究任务之一,已有的数据流分类算法大多是在有标记数据集上进行训练,而实际应用领域数据流中有标......
针对客户端垃圾邮件过滤器难以获取足够训练样本的问题，提出一种基于小样本学习的垃圾邮件过滤方法，利用容易获取的未标记样本提高垃......
传统机器学习技术通过对有标记数据(labeled data)的学习来构建模型,为了获得强泛化能力,通常需要有大量的有标记数据。在很多现实......
在传统机器学习研究中,学习对象仅由一个类别标记来描述其语义概念。而在许多实际应用中,学习对象往往同时与多个语义概念相关联。......
半监督学习是近年来提出的一种新的学习方法,根据学习目的的不同大致可以分为半监督分类和半监督聚类。其主要思想是在已标记训练......
传统监督学习通常需使用大量有标记的数据样本作为训练例,而在很多现实问题中,人们虽能容易地获得大批数据样本,但为数据提供标记......
期刊
