图像分类是计算机视觉中的基本任务之一,深度学习的出现是的图像分类技术趋于完善。最近,自监督学习与预训练技术的发展使得图像分类技术出现新的变化,这篇论文概述了最新在实际情况中少标签小样本等情况下,关于自
基于半监督学习的降维算法研究姓 名刘国胜指导老师王娜 副教授选题来源国家自然科学基金项目基于成对约束的半监督谱流形非线性降维研究及应用 降维的意义数据的高维性维数灾难计算复杂性冗余性可视化数据的内在结
脉冲神经网络是进行复杂时空信息处理的有效工具,但由于其内在的不连续和非线性机制,构建高效的脉冲神经网络监督学习算法非常困难,同时也是该研究领域的重要问题.本文介绍了脉冲神经网络监督学习算法的基本框
基于半监督学习的知识约简,王利民,臧雪柏,提出一种基于半监督学习的粗糙集知识约简算法(SLRS)。由于条件属性在各样本的分布特性和所反映的主观特性的不同,每一个样本对应于
提出一种基于半监督学习的粗糙集知识约简算法(SLRS).SLRS基于对信息论基本概念的引申定义,描述了各条件属性的重要程度以及相互之间的依赖关系.对于数据库中某些记录属性域存在的缺失值,基于半监督学习
使用GAN进行弱监督学习的图像推荐 特征 样品 安装
监督学习的训练集+测试集+停用词。可以直接下载。数据集中有四个分类,每个1000+个。停用词是哈工大停用词。
现有的基于卷积神经网络(CNN)的合成孔径雷达(SAR)图像目标检测算法依赖于大量切片级标记的样 本,然而对SAR图像进行切片级标记需要耗费大量的人力和物力。相对于切片级标记,仅标记图像中是否含有目
内容只有几页 但是关于半监督学习和CO-training算法做了比较简单易懂的解释
2007.半监督学习中的协同训练风范周志华南京大学计算机软件新技术国家重点实验室