多标签
多标签的相关文献在1986年到2023年内共计51161篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、信息与知识传播
等领域,其中期刊论文130篇、会议论文2篇、专利文献51029篇;相关期刊80种,包括无线互联科技、中国图象图形学报、电脑知识与技术等;
相关会议2种,包括第27届中国数据库学术会议、2009海峡两岸三地无线电科技研讨会暨博士生学术会议等;多标签的相关文献由50000位作者贡献,包括不公告发明人、袁涌耀、司海涛等。
多标签—发文量
专利文献>
论文:51029篇
占比:99.74%
总计:51161篇
多标签
-研究学者
- 不公告发明人
- 袁涌耀
- 司海涛
- 方俊
- 王磊
- 李江亮
- 庞静
- 王晓东
- 甲斐学
- 刘勇
- 马场俊二
- 竺汉明
- 张磊
- 李强
- 樊晓东
- 马庭透
- 翟所强
- 王伟
- 马纪丰
- 苏爱民
- 王刚
- 刘洋
- 张献藏
- 高博
- 王斌
- 张伟
- 陈亮
- 伯林
- 孙斌
- 张勇
- 李斌
- 杨帆
- 李霖
- 王强
- 张涛
- 董兰飞
- 刘欢
- 杨涛
- 霍灵瑜
- 张俊
- 陈海军
- 刘涛
- 季有为
- 杨辉峰
- 武岳山
- 陈宇
- 林超
- 山雅城尚志
- 王洋
- 王涛
-
-
许丽芬
-
-
摘要:
据说朝阳在三年级时是全年级最有名的学生。这其中的"有名"大概就是特别爱找事、不读书、成绩一塌糊涂等等。这种"有名"大多是让人烦恼的。新接的四年级这样的孩子有点多,而且都是男孩,他们大多是"多动""厌学"。我不特别去问,也不想知道关于他的太多标签。从语文课上,我已经发现了他特别躁动,坐不住,犯了事儿的"理由"特别长。如果你想端出教育的面孔强硬地驯服他,可能没那么容易。顶嘴、不服训,也可能就是他之前给大家留下各种标签的原因之一吧。
-
-
朱旭东;
熊贇
-
-
摘要:
与一般图像分类场景下的数据分布情况不同,在图像多标签分类问题的场景下,不同标签类别之间存在样本数量分布不均衡,少量头部类别通常占据大多数样本数量的情况。而由于多个标签间同时标记的相关性,再加上多标签下困难样本的分布还与数据分布和类别分布相关,使得单标签问题中解决数据不平衡的重采样等方法在多标签场景下无法有效适用。文中提出了一种基于图像多标签场景下样本分布损失和深度学习的分类方法。首先对多标签数据不均衡分布设置类别相关重采用损失,并通过动态学习方式防止分布过度异化,然后设计非对称样本学习损失,设置对正负样本和困难样本的不同学习能力,同时通过软化样本学习权重减少信息丢失。相关数据集的实验显示,所提算法在解决多标签数据分布不均衡场景下的样本学习问题时取得了很好的效果。
-
-
王进;
徐巍;
丁一;
孙开伟;
王利蕾
-
-
摘要:
针对传统多标签文本分类模型未考虑标签之间以及标签与文本各个部分之间的相关性、低频标签预测效果不佳的问题,使用图嵌入和区域注意力技术来挖掘标签之间以及标签和文本之间的关系,提出了编码器图嵌入和区域注意力机制解码器模型来处理多标签分类任务.采用Bi-LSTM作为编码器,使用图嵌入技术生成标签嵌入矩阵;利用区域注意力机制结合单词级别与区域级别的信息,使得模型在预测每个标签时考虑文本不同部分的信息,挖掘了文本与标签之间的潜在关联;使用循环神经网络和多层感知机作为解码器结合随机策略梯度算法,减少训练损失,改善多标签分类效果.在AAPD和RCV1-V2多标签文本分类数据集上进行试验,根据数据集特征设置相关参数,以micro-F1和Hamming Loss作为评价指标,对比所提出模型与LP、卷积神经网络等9个经典模型.结果表明,所提出模型能够根据高频标签预测出低频标签,在2个数据集上的micro-F1和Hamming Loss均优于经典模型.
-
-
朱旭东;
熊贇
-
-
摘要:
图像多标签分类作为计算机视觉领域的重要研究方向,在图像识别、检测等场景下得到广泛应用。现有图像多标签分类方法无法有效利用标签相关性信息以及标签语义与图像特征的对应关系,导致分类能力较差。提出一种图像多标签分类的新算法,通过利用标签共现信息和标签先验知识构建图模型,使用多尺度注意力学习图像特征中目标,并利用标签引导注意力融合标签语义特征和图像特征信息,从而将标签相关性和标签语义信息融入到模型学习中。在此基础上,基于图注意力机制构建动态图模型,并对标签信息图模型进行动态更新学习,以充分融合图像信息和标签信息。在图像多标签分类任务上的实验结果表明,相比于现有最优算法MLGCN,该算法在VOC-2007数据集及COCO-2012数据集上的mAP值分别提高了0.6、1.2个百分点,性能有明显提升。
-
-
张娅楠;
赵涓涓;
武炜;
耿鑫;
侯国杰
-
-
摘要:
为解决人工诊断和检索过程繁琐、误诊率高、数据量大以及哈希码稀疏等问题,提出一种基于多标签语义监督的3D ResNet网络,对肺结节的医学征象进行量化,构建多标签数据集相似矩阵;通过三线性插值方法构造3D肺结节块,利用相似性度量设计损失函数进行3D特征学习并提出交替最小化优化方法进行优化,提高网络特征的表征能力,解决由于离散的哈希码而不能使用传统方法进行求解的难题,学习到紧密表达的哈希码。实验结果表明,利用本文提取的3D特征进行检索,平均准确率提高18.5%,在扩充的公开数据集以及合作医院数据集上可以达到94.83%的平均检索精度。
-
-
赵静;
韩京宇;
钱龙;
毛毅
-
-
摘要:
心电图(ECG)数据通常包含多种病症,而ECG诊断是一个典型的多标签分类问题。在多标签分类方法中,RAKEL算法将标签集随机分解为若干个大小为k的子集,并建立LP分类器进行训练;然而由于没有充分考虑标签间的相关性,LP分类器中容易产生一些标签组合所对应样本稀少的情况,从而影响预测性能。为了充分考虑标签间的相关性,提出一种基于贝叶斯网络的RAKEL算法BN-RAKEL。首先利用贝叶斯网络找到标签间的相关性,确定候选标签子集;然后对每个标签采用基于信息增益的特征选择算法确定其最优特征空间,并针对每个候选标签子集利用最优特征空间相似性来检测其相关程度,以确定最终的具有强相关性的标签子集;最后在标签子集的最优特征空间上训练LP分类器。在实际的ECG数据集上,与多标签K近邻(ML-KNN)、RAKEL、CC和基于FP-Growth的RAKEL算法FI-RAKEL进行对比,结果显示所提算法在召回率和F-score上最少提高了3.6个百分点和2.3个百分点。实验结果表明,BN-RAKEL算法有较好的预测性能,能有效提升ECG诊断的准确性。
-
-
张超;
张信明
-
-
摘要:
多模态情感分析目前是多模态分析和自然语言处理领域的研究热点,在商品推荐、智能客服等场景中具有广泛的应用。现有的方法在多标签场景下对标签间依赖性表示不充分,并且忽略了模态特征之间语义差距。对此提出了一种基于标签嵌入的多模态多标签情感识别算法,通过训练的标签嵌入向量捕获标签之间依赖关系,对模态特征添加约束减小模态之间的语义差距。实验结果显示,该算法在多模态多标签情感识别任务中在准确率和汉明损失指标上相较于现有方法有明显提升。
-
-
张永宏;
邵凡;
赵晓平;
王丽华;
吕凯扬;
张中洋
-
-
摘要:
近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方法。首先,使用短时傅里叶变换(short-time Fourier transform,STFT)对可见类和未见类样本进行预处理,将得到的时频图像输入残差深度可分离卷积神经网络(residual depthwise separable convolutional neural network,RDSCNN)进行特征提取,再使用可见类故障特征训练属性学习网络,依靠属性学习网络预测未见类故障样本的属性向量,最终实现对未见类故障的诊断。设计了零样本条件下的故障诊断试验,结果表明MLZSL能将可见类故障属性迁移到未见类,并有效诊断未见类故障。
-
-
周绍军;
刘晓霞;
胡云冰
-
-
摘要:
针对家居老人家居定位问题,提出一种模糊改进KNN的RFID定位算法.首先设计了物联网RFID感知技术的家居老人位置感知与定位模型,然后从RFID多标签定位原理出发,设计了基于模糊推理的改进KNN的定位算法,并对所提出的算法进行了实验和仿真对比分析.通过实验和仿真对比分析,所提出的算法在定位误差方面,较参比算法优越.
-
-
何硕;
谢良
-
-
摘要:
针对传统离线哈希算法训练模型耗时、占用内存大和不易更新模型的问题,以及现实图像集的标签存在大量损失的现象,提出了一种能够平衡标签预测的在线哈希算法(BLPOH)。BLPOH通过标签预测模块生成预测标签,并融合残缺的真实标签,能够有效缓解因标签损失导致的模型性能下降。观察到标签存在分布不平衡现象,提出标签类别相似性平衡算法并应用于标签预测模块,提升标签预测的准确性。将旧数据的信息加入哈希函数的在线更新过程,提升模型对旧数据的兼容性。通过在两个广泛使用的数据集上进行实验,并和一些当前先进的算法进行对比,结果证实了BLPOH的优越性。
-
-
郑伟;
王朝坤;
刘璋;
王建民
- 《第27届中国数据库学术会议》
| 2010年
-
摘要:
在数据挖掘领域,传统的单分类和多分类问题已经得到了广泛的研究。但是多标签数据的普遍存在性和重要性直到近些年来才逐渐得到人们的关注。在多标签分类问题中,由于标签相关性的存在,传统的单分类和多分类问题的解决方法,无法简单地应用于多标签分类问题.文中提出了一种基于随机游走模型的多标签分类算法,称为多标签随机游走算法。首先,将多标签数据映射成为多标签随机游走图。当输入一个未分类数据时,建立一个多标签随机游走图系列。而后,对图系列中的每个图应用随机游走模型,得到遍历每个顶点的概率分布,并将这个点概率分布转化成每个标签的概率分布。最后,基于多标签随机游走算法,文中给出了一种新的阈值学习算法.真实数据集上的实验表明,多标签随机游走算法可以有效地解决多标签分类问题。
-