半监督

摘要： 视频异常检测是指对偏离正常行为事件的检测识别,在监控视频中有着广泛的应用。对基于深度学习的视频异常检测算法进行了深入的调查研究和全面的梳理与总结。首先,对视频异常检测相关内容以及异常检测面临的挑战进行了分析;然后,从有监督、半监督和无监督三方面对视频异常检测的相关算法进行了介绍和分析。对三种不同场景下的算法进一步细化分类,将监督场景下的算法划分为二分类和多分类两种方式,将半监督场景下的算法划分为计算异常得分和聚类判别两种方式,将无监督场景下的算法划分为重构判别和预测判别两种方式,并且分析了不同技术的特点和优缺点。介绍了目前在视频异常检测领域常用的数据集,以及检测性能的评估标准,对目前主流的视频异常检测算法性能进行了对比分析。最后,对视频异常检测算法的未来研究方向进行了讨论和展望。

摘要： 合理分配卫星通信资源是卫星通信组网规划的重要内容。为了提高资源利用率,提出一种基于半监督图卷积神经网络的组网规划方法。基于现有卫星通信系统的网络管理架构,根据卫星与地球站的可互通条件构建系统模型,将半监督图卷积方法应用于地球站组网规划。最后进行了仿真实验,结果表明,所提方法可以根据设定的优化目标对地球站进行快速组网,提高用户体验和网络资源利用率。

摘要： 与具有大量标注数据的光学图像相比,合成孔径雷达(Synthetic Aperture Radar,SAR)图像缺乏足够的标记样本,限制了监督学习的SAR目标识别算法的性能。而无监督识别方法又难以满足实际需求,因此本文提出了基于自注意力特征融合的半监督生成对抗网路。首先,在构建生成器和判别器时引入自注意力层,克服卷积算子不具有长距离特征提取的问题;其次,判别器采用多层级特征融合,捕获SAR图像的关键信息;最后,在训练过程中采用谱归一化,提升模型的收敛稳定性。为了验证所提方法的有效性,在运动与静止目标获取和识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)数据集上进行了实验。实验结果表明,所提方法能从未标记样本中学习有价值的信息,有效地解决标注不足的问题。

摘要： 近年来,网络黑产犯罪事件层出不穷,形成较完备网络黑色产业链。为维护网络信息安全,中央网信办、工信部、公安部、中国人民银行等部门持续开展治理工作,相关企业也不断加大整治力度。信用卡盗用盗刷是网络黑产常见形式之一。本次研究基于信用卡历史交易数据,借助半监督学习,构建反欺诈预测模型,对信用卡盗刷行为及时预警。

摘要： 风险评估是当今社会各个行业都会涉及到的一个基础课题。在传统的风险评估算法研究中,大多关注风险点的前期事件和相关风险的前瞻,大部分认知风险是由日积月累的多种行为、特征组成。在公安监所人员风险评估工作中,人员风险也在日益的变化,通过暴力、健康、脱逃、自杀、心理、闹监六个维度对在押人员进行风险评估计算,并通过机器学习相关技术,进行特征提取和风险值计算,利用基于半监督机器学习框架支持向量机、K近邻、随机森林三种机器学习模型框架,训练六种机器学习数据模型,并随着监管数据的不断更新,模型也随之迭代,使预测的风险值更加准确。

摘要： 针对遥感图像背景复杂及有监督场景分类算法无法利用无标签数据的问题,提出一种基于生成对抗网络的半监督遥感图像场景分类方法。首先,引入谱归一化残差块代替传统生成对抗网络中的二维卷积,利用残差块的跳跃连接解决梯度消失问题;其次,引入特征融合思想,将浅层特征与深层特征进行融合,从而减少特征损失;最后,在生成对抗网络的判别器中加入结合门控的注意力模块,以增强特征判别能力。在EuroSAT和UC Merced数据集上的实验结果表明,该方法能够有效提取判别力更强的特征,提高半监督分类性能。

摘要： 常规宽度学习系统(Broad Learning System,BLS)通常采用的线性稀疏特征提取方法难以对数据的复杂非线性特征进行有效表征.此外,当标记样本量较少时,BLS的泛化性能难以得到保证.为此,提出一种基于自编码器和超图的半监督宽度学习系统(Autoencoder and Hypergraph-based Semi-supervised BLS,AH-SBLS).主要步骤为:首先,使用包括标记样本和无标记样本在内的全部样本训练自编码器,利用训练好的自编码器自动提取数据的复杂非线性特征;其次,将自编码器特征层中的特征作为AH-SBLS的特征节点并对其进行宽度拓展;然后,构造半监督超图以挖掘标记样本和无标记样本间的高阶流形关系,并将超图正则项引入宽度学习系统的目标函数中;最后,利用岭回归对目标函数进行求解,实现对无标记样本的类别预测.在图像分类实验上的结果表明,AH-SBLS能够实现半监督分类且获得较高的分类精度.

摘要： 自监督学习可以不依赖样本标签对遥感影像进行特征提取,但是特征分类仍然依赖有监督方法。为了克服有监督特征分类过程的不足,实现遥感影像特征的无监督自动分类,本文提出一种融合半监督学习的无监督语义聚类方法。首先,使用自监督学习提取遥感影像特征,抽象出图像包含的高层语义信息;然后,基于特征相似度寻找每个样本最相似的近邻,使用在线聚类将相似样本聚为一类,训练一个线性分类器;最后,根据聚类结果为高置信度样本生成伪标签,构造标注样本集,使用半监督方法对模型微调。在4个公开遥感影像场景分类数据集EuroSAT、GID、AID和NWPU-RESISC45上进行验证,分类精度分别达到了94.84%、63.55%、76.42%和86.24%。本文方法结合了在线聚类和半监督学习的优点,缓解了已有方法存在的误差积累和样本利用不充分的问题,在完全不使用标注样本的情况下,充分利用自监督特征训练分类模型,对遥感影像进行场景分类,达到接近有监督学习的分类效果,具有良好的应用价值。

摘要： 软件日益推陈出新,当前方法无法满足源项目与目标项目的预测需求,因此创建一种基于代价敏感半监督的跨项目软件缺陷数预测模型。首先,利用斯皮尔曼等级相关系数选择方法,选取合适度量元,按照系数降序对其实施排列,得到所需的度量元集合。其次,运用版本控制工具,完成版本源代码收集,从而获取缺陷数据。再次,经过静态分析统计源代码,架构度量元矩阵,并通过引入极小值方法,实现属性值对数化预处理,再基于源代码度量元与缺陷之间的潜在相关性,对候选集样本实施采样。然后,寻求一个代价敏感半监督支持向量机的超平面,使最小化分类整体代价得以实现。最后,根据预测模型的设定参数与训练学习,完成预测模型整体设计。仿真实验表明,该模型不仅能够有效预测多种形式的跨项目缺陷数,而且精准率与错分率均具有明显的优越性,效果十分理想。

摘要： 目的 提出一种基于局部线性约束和成对约束信息的半监督稀疏子空间聚类,以解决子空间聚类中系数矩阵的块对角结构容易被破坏的问题。方法 利用成对约束信息调整标记数据之间的相似度,同时加强数据相邻点之间的局部相关性,使系数矩阵的结构更加合理。另外,引入已知标签信息来指导聚类过程,提高聚类效果。结果与结论 新的子空间方法可以更好地描述数据的底层结构,在真实数据集和人工数据集进行实验,结果表明比其他聚类算法更有效。

摘要： 针对实际工业过程中多采样率问题,本文将半监督放方法引入,提出一种半监督鲁棒概率偏最小二乘方法,将采样率不一致的完整数据分成少数标记样本和大量未标记样本,然后分别用这两种样本数一致的数据建立RPPLS模型,通过充分挖掘大量未标记数据提供的有用信息来提高模型的准确性.更进一步,将半监督RPPLS引入过程监控中,提出GT2、SPE_x和SPE_y三个监控指标,分别监控过程的受控状态以及模型关系的变化.通过对半监督RPPLS和下采样RPPLS在TE过程监控应用中比较,结果表明半监督RPPLS比降采样PPLS效果更好.

摘要： 在使用无监督C均值算法进行遥感聚类的过程中，往往忽略了对已知信息的有效利用，针对这一问题，本文结合先验知识，提出一种基于半监督模糊C均值算法的遥感图像处理的模型。该模型利用已有的先验知识，进行一次快速迭代遍历，从而得到较好的初始聚类中心，克服原始算法初始聚类中心选取的随机性所带来的影响，在一定程度上避免了陷入局部最小。此外，在整体循环迭代过程中，加入先验知识的影响因子，解决同物异谱的问题，引导循环聚类向着正确的方向进行，有效地加快算法的收敛速度，提高聚类的精度。在此基础上，进一步添加反模糊自动判定类别属性的方法。最后本文使用误差矩阵和一致性指标，来验证算法的真实有效性。

摘要： 问题分类旨在对问题的类型进行自动分类,该任务是问答系统研究的一项基本任务.本文提出了一种基于问题和答案共同表示学习的问题分类方法.该方法的特色在于,利用问题及其答案作为共同的上下文环境,学习词的分布式表示,从而充分利用未标注样本中问题和答案隐含的分类信息.具体而言,首先,我们引入神经网络语言模型,利用问题与答案共同学习词向量表示,增加问题词向量的信息量;其次,加入大量未标注的问题与答案样本参与词向量学习,进一步增强问题词向量表示能力;最后,将已标注的问题样本以词向量形式表示作为训练样本,采用卷积神经网络建立问题分类模型.实验结果表明,本文提出的基于半监督问题分类方法能够充分利用词向量表示和大量未标注样本来提升性能,明显优于其他基准半监督分类方法.

摘要： 提出了一种基于Self-Training和隐马尔可夫模型的时间序列分类方法，采用基于动态弯曲路径距离的Self-Training最近邻方法采扩大标记时间序列数据集，利用扩大的标记数据初始化HMM，并且使用基于半监督的迭代学习来进一步训练HMM。实验结果表明该方法能有效避免少量标记数据下HMM参数估计不准确的问题，提高了分类的准确率。

摘要： 针对机械故障诊断中，获取标签样本困难，特别是故障样本，获取无标签样本相对容易的特点，提出基于直推式支持向量机的机械故障诊断方法。针对直推式支持向量机不能准确估计无标签样本中正常样本个数的不足，提出改进的方法对其较准确估计，并将其应用于齿轮箱故障诊断，结果表明了其优越性。

摘要： 针对机械故障诊断中，获取标签样本困难，特别是故障样本，获取无标签样本相对容易的特点，提出基于直推式支持向量机的机械故障诊断方法。针对直推式支持向量机不能准确估计无标签样本中正常样本个数的不足，提出改进的方法对其较准确估计，并将其应用于齿轮箱故障诊断，结果表明了其优越性。

摘要： 针对机械故障诊断中，获取标签样本困难，特别是故障样本，获取无标签样本相对容易的特点，提出基于直推式支持向量机的机械故障诊断方法。针对直推式支持向量机不能准确估计无标签样本中正常样本个数的不足，提出改进的方法对其较准确估计，并将其应用于齿轮箱故障诊断，结果表明了其优越性。

摘要： 本发明涉及信号处理技术领域，尤其涉及半监督近邻重构分析的半监督数据特征提取方法、装置、系统和存储介质，该方法包括：首先从高光谱图像中取样本点构成集合，并且标记类别信息，然后学习度量矩阵NCA，求解凸规划问题求解矩阵M，计算任意两点之间的A‑范数距离，选取每个样本点xi最接近的k个样本点组成局部邻域，接下来在高维空间中进行数据的重构，并且结合协方差矩阵将其投影到低维空间，最后减少冗余信息，提取出更有效的鉴别特征，该方法可以应用于计算机端软件，配以相应的硬件设备，本发明充分利用数据点的类别标记，发现隐藏的样本点之间的关联性，在低维空间中保持重构关系不变，消除相关数据点，使特征点更具代表性。

摘要： 本发明公开了一种半监督人脸年龄估计装置。该装置训练方法为：步骤1、获取人脸图片数据集，并进行图像特征提取；步骤2、对有年龄标记的每一幅人脸图片，为其初始化年龄分布，并作为训练集；步骤3、利用当前训练集训练LBFGS‑LLD模型，并对所有图片进行年龄分布预测；步骤4、计算无年龄标记人脸图片的伪年龄；步骤5、将所有图片进行年龄分组，优化求解各年龄组所对应的方差，并用得到的方差更新相应年龄组内人脸图片的年龄分布；步骤6、以更新后的所有图片作为新的训练集，转步骤3；直至满足迭代终止条件。本发明还公开了基于该装置的半监督人脸年龄估计方法。本发明仅需使用少量有年龄标记人脸图片结合更多的无年龄标记人脸图片，即可获得更好的年龄估计精度。

摘要： 本发明公开了一种半潜船主推进系统半监督故障诊断方法。所述方法包括以下步骤：利用不同传感器实时监测半潜船主推进系统的状态信号，获取多传感器监测信号数据；利用卷积编码网络对多传感器监测信号进行重构降维，实现不同传感器监测信号维度对齐；利用变分自编码网络可以对多传感器监测信号进行概率重构，将重构误差作为当前半潜船主推进系统整体运行状态的故障程度指标，当指标大于所设阈值时视为故障状态。本发明仅利用正常状态下的多传感器监测数据即可实现对半潜船主推进系统整体运行状态的异常状态识别。

摘要： 本发明公开了一种基于自监督低秩网络的半监督图像语义分割方法及装置，方法包括：构建自监督低秩网络，将来自两个分支的掩码分别进行逆几何变换，利用优化模块产生伪掩码输入到LR低秩模块；在每次迭代中，通过softmax归一化注意力和温度系数来计算赋值矩阵P；通过聚合输入特征X来更新最优基μ，获取类别为C的softmax规范化的类激活图A和深特征X1后，通过加权平均值计算第k个初始化基；在基初始化过程中使用由分类损失和伪掩码分割损失构成的目标函数进行监督，对LR低秩模块的输出结果进行解码和优化，根据损失对自监督低秩网络进行更新。装置包括：构建模块、优化模块、LR低秩模块、更新模块、预测模块、监督模块、输出模块。

摘要： 本发明涉及信号处理技术领域，尤其涉及半监督近邻重构分析的半监督数据特征提取方法、装置、系统和存储介质，该方法包括：首先从高光谱图像中取样本点构成集合，并且标记类别信息，然后学习度量矩阵NCA，求解凸规划问题求解矩阵M，计算任意两点之间的A‑范数距离，选取每个样本点xi最接近的k个样本点组成局部邻域，接下来在高维空间中进行数据的重构，并且结合协方差矩阵将其投影到低维空间，最后减少冗余信息，提取出更有效的鉴别特征，该方法可以应用于计算机端软件，配以相应的硬件设备，本发明充分利用数据点的类别标记，发现隐藏的样本点之间的关联性，在低维空间中保持重构关系不变，消除相关数据点，使特征点更具代表性。

摘要： 本发明公开了一种半监督人脸年龄估计装置。该装置训练方法为：步骤1、获取人脸图片数据集，并进行图像特征提取；步骤2、对有年龄标记的每一幅人脸图片，为其初始化年龄分布，并作为训练集；步骤3、利用当前训练集训练LBFGS-LLD模型，并对所有图片进行年龄分布预测；步骤4、计算无年龄标记人脸图片的伪年龄；步骤5、将所有图片进行年龄分组，优化求解各年龄组所对应的方差，并用得到的方差更新相应年龄组内人脸图片的年龄分布；步骤6、以更新后的所有图片作为新的训练集，转步骤3；直至满足迭代终止条件。本发明还公开了基于该装置的半监督人脸年龄估计方法。本发明仅需使用少量有年龄标记人脸图片结合更多的无年龄标记人脸图片，即可获得更好的年龄估计精度。

摘要： 本发明公开了一种基于自监督和有监督联合训练的半监督文本分类方法及系统，包括以下步骤：采集任务相关数据集，所述数据集包括标注数据集T和未标注数据集U；对所述数据集进行数据增强处理，将处理后得到的增强视图用于扩充原始数据集，得到新样本数据集，所述新样本数据集包括标注数据集T'和未标注数据集U'；构建文本语义特征提取网络模型，基于文本语义特征提取网络模型获取文本语义特征向量；在所述文本语义特征提取网络模型上构建分类层，得到分类模型；从所述新样本数据集中重复采样得到batch数据组，每个batch数据组内均包含标注数据和未标注数据；采用所述batch数据组在分类模型上进行分类和对比学习的联合训练,更新模型参数。

摘要： 本发明公开了一种半潜船主推进系统半监督故障诊断方法。所述方法包括以下步骤：利用不同传感器实时监测半潜船主推进系统的状态信号，获取多传感器监测信号数据；利用卷积编码网络对多传感器监测信号进行重构降维，实现不同传感器监测信号维度对齐；利用变分自编码网络可以对多传感器监测信号进行概率重构，将重构误差作为当前半潜船主推进系统整体运行状态的故障程度指标，当指标大于所设阈值时视为故障状态。本发明仅利用正常状态下的多传感器监测数据即可实现对半潜船主推进系统整体运行状态的异常状态识别。

摘要： 本发明公开了一种半监督半学习式大气污染物系统，涉及大气污染物技术领域，包括数据处理模块、数据预处理模块、学习分类模块、综合分析模块、辅助整理模块模块、电脑终端模块，所述数据处理模块的输出端与数据预处理模块的输入端电性连接，所述数据预处理模块的输出端与学习分类模块的输入端电性连接，通过数据采集模块能够实现对数据的采集收集，通过数据预处理模块实现了对数据的降维处理，使得采集的数据参数能够与数据分类模块进行传输，通过学习分类模块实现了对数据的分类，之后通过综合分析模块实现了对数据的分析处理，通过辅助整理模块实现对分析的数据的整理，之后通过电脑终端模块能够实现对整理数据的观看监控。

摘要： 本发明公开了一种基于连续监督的鲁棒深度半监督异常检测方法及系统，本发明包括训练由数据表征模块和异常评分模块两者构成的神经网络的步骤：设定迭代轮次和批量大小；在每一个迭代轮次和批量的情况下，取训练集数据中随机选取两份未标注数据以及一份已知的标注异常数据构成最小批量数据；将最小批量数据通过数据表征模块得到在隐表征空间内的嵌入向量；将在隐表征空间内的嵌入向量通过异常评分模块得到异常分数向量；将在隐表征空间内的嵌入向量、异常分数向量输入损失函数以计算总损失；根据总损失更新网络的模型参数。本发明能够解决现有半监督异常检测方法受到未标注数据异常污染以及间接离散监督影响的问题，可获得更好的检测效果。