协同训练

摘要： 在工业过程中,存在着辅助变量与主导变量数据比例严重失衡的问题。协同训练算法是其中一种利用无标签数据中的潜在信息以提升学习性能的模型训练方法。然而目前在协同训练软测量建模过程中,学习器之间存在严重的训练特性交叉重叠的问题,这将导致对主导变量的预测性能衰减。针对这一问题,提出基于二子空间协同训练算法的半监督软测量模型two-subspace co-training KNN(TSCO-KNN)。该模型将二子空间分块算法与协同训练算法相结合,利用辅助变量与主成分子空间PCS和残差子空间RS两个特征子空间的相关性程度,将数据变量拆分为两个具有显著差异性的学习数据集,进而使用KNN回归器进行协同训练,共同用于对主导变量的预测。最后在乙烯精馏塔塔顶乙烷浓度和TE过程产品浓度软测量中进行仿真研究,验证本文所提算法的有效性。

摘要： 本文提出了一种基于决策树支持向量机-贝叶斯网络协同训练的双偏振气象雷达降水粒子分类方法。该方法首先使用有标签的数据初步训练得到贝叶斯网络和决策树支持向量机两种分类器。然后取出部分无标签的数据,通过两个分类器得到类别的预测结果,计算该部分预测结果的置信度,将预测结果满足阈值的无标签数据放入到有标签数据集中。使用更新后的有标签数据集重新训练两个分类器。重复该过程直到所有无标签训练数据都被放入到有标签数据集中,这时完成训练得到协同训练分类器,最后使用协同训练分类器对测试数据集进行降水粒子分类。实验表明,该方法使用一部分有标签数据结合一部分无标签数据,有效地提高了分类器性能,实现了降水粒子的准确分类。

摘要： 针对有标记的训练样本数量较少会降低印刷套准识别模型性能的问题,本研究提出了基于安全样本过采样预处理和协同训练的半监督方法,以提升识别模型的性能。首先采用k近邻方法识别训练集中的安全样本。在安全样本间进行过采样,生成新的训练集。然后采用Bootstrap采样方法将新的训练集分成三个子训练集,学习得到三个决策树子分类模型,不断对无标记样本进行预测,并将其加入到子训练集,更新子分类模型,直至其能稳定为止。集成子分类模型,形成最终分类模型。实验结果表明,本研究方法随着训练样本数量的增多,分类性能也逐渐提高。当训练样本数量为800时,其在测试集上的分类准确率Accuracy达到98%,召回率的几何平均数G-mean为99%,在同样数量的训练样本上,均高于实验中的其他方法。本研究方法可以有效利用无标记样本,提高印刷套准识别模型的性能,实现数量较少的训练集样本的印刷套准识别。

摘要： 为全面提升全警政治能力和实战本领,努力建设“四个铁一般”高素质公安队伍,公安部党委从2019年起部署开展了为期三年的政治大轮训和实战大练兵活动。实战大练兵最终要实现的目标任务是全警政治能力、职业素养、专业水平以及实战本领的明显提升。为达到这一目标,需要在公安民警的日常教育训练中聚焦实战实效,突出重点难点,强化多警种多部门实战协同训练。

摘要： 针对恶意流量样本特征变化较快,准确标记困难的问题,提出了一种基于半监督多视图特征协同训练的网络恶意流量识别方法。该方法能够使用大量的未标记数据协同训练分类模型,提升分类模型的泛化能力。使用原始字节流特征和网络流统计特征,构建两种特征视图,借助协同训练框架进行半监督的恶意流量识别。分别使用两个公开数据集对模型训练和测试,实验结果表明,协同训练模型总体分类准确率(Overall Accuracy)分别达到99.85%和99.72%,与卷积神经网络、决策树、阶梯网络和标签传播算法这4种监督学习和半监督学习相比,均有明显提升。

摘要： 实际石油测井中有标签数据获取代价昂贵,而大量低廉的无标签数据未被使用,如何利用有限的有标签样本及大量的无标签样本获取准确的油层分布有待解决。半监督学习方法因能同时利用少量有标签样本及大量无标签样本便可获取良好的分类模型而被广泛应用。因此,基于半监督支持向量机(S3VM),提出一种改进的基于量子行为粒子群优化(QPSO)的协同训练S3VM油层识别算法(QPSO-CS3VM)。首先引入多视图的协同训练策略,构造2个独立的初始分类器提高识别精度;然后为提高初始分类精度,引入了量子行为粒子群算法以优化S3VM;最后引入一种改进的近邻数据剪辑方法用于预测无标签样本伪标签的置信度,从而避免因错分样本导致的模型性能恶化的问题。通过对具有代表性的两口井的测井数据进行油层识别,结果表明:改进的协同训练半监督SVM相较于传统的协同训练算法在两口井中的识别率分别提升了5.00百分点和3.12百分点。所提算法油层识别精度较高,有一定的实际应用意义。

摘要： 针对实际应用中识别七段码式液晶显示仪表读数时易受成像视角、光照、复杂背景和噪声等多因素影响的问题,提出一种将深度学习和传统图像处理相融合的识别方法。先采用改进的CRAFT模型检测仪表图像中的段码数字字符,得到数字中心概率图和字符连接关系图;接着对检测结果进行后处理,通过求解透视变换实现对读数区域子图和相应的数字中心概率图的方向和尺度同时校正,并通过分析光照影响来增强图像对比度;最后将后处理结果输入采用注意力引导策略且经协同训练而成的CRNN模型得到读数识别结果。通过构建包含视角倾斜、光照不均、码字尺度变化、表盘外观变化、读数区域数量变化等多种干扰情况下的仪表图像数据集开展实验研究,结果表明,该方法对测试集中仪表读数的识别准确率高达98.9%,优于对比方法。

摘要： 微博平台数据中含有大量反映用户情感喜恶的信息,对于涉及博文倾向性分析的应用尤为重要。现有的分析方法往往聚焦在博文情感的简单分类上,无法分析特定类型实体的微博倾向性。为解决微博倾向性分析问题,实现博文立场判定,采用半监督学习的方法,通过协同训练和主动学习,训练实体识别模型,并构建基于主成分分析的情感规则,提取句子的主成分,将口语化的文本规范化为指定格式。再利用指向性实体的正负面性、情感词的褒贬义及情感词充当的句子成分,实现情感分类的更深层次分析——立场判定。针对实际问题进行立场判定实验,在不同规模数据集上的自对比实验和他比实验显示,随着标注实体的博文数量增加,模型对博文立场判断的正确率持续提升,而且所提方法判断博文立场的正确率显著高于对比方法,相较已有研究方法分别提高了2.79%和10.00%。

摘要： 离散序列生成广泛应用于文本生成、序列推荐等领域。目前的研究工作主要集中在提高序列生成的准确性,却忽略了生成的多样性。针对该现象,提出了一种自适应序列生成方法ECoT,设置两层元控制器,在数据层面,使用元控制器实现自适应可学习采样,自动平衡真实数据与生成数据分布得到混合数据分布;在模型层面,添加多样性约束项,并使用元控制器自适应学习最优更新梯度,提升生成模型生成多样性。此外,进一步提出融合协同训练和对抗学习的方法,提升生成模型生成准确性。与目前的主流模型进行对比实验,结果表明,在生成准确性和多样性上,自适应协同训练序列生成方法具有更均衡的准确性和多样性,同时有效缓解了生成模型的模式崩溃问题。

摘要： 随着无人飞行器的迅猛发展,根据顶视状态下的行人动态阴影生物特征进行人物验证和行为识别成为一个重要的发展方向,而从低空无人飞行器平台获取行人动态阴影生物特征成为一个更具有挑战性的研究热点。现有的阴影提取方法大多基于固定摄像头,并不适用于运动平台。联合机器学习和图切割理论,提出了一种新的针对低空无人飞行器平台的动态人影检测方法。根据像素特征和区域特征构建协同训练的两个独立视图,以SVM为分类器,采用机器学习的方法对阴影生物特征进行半自动提取,根据上述运动结果构建最小能量方程的数据项,根据图像的梯度特征构建能量方程的约束项,运用图切割理论对上述提取结果进行优化。实验结果表明,所提出的方法比单纯的协同训练方法具有更好的效果,可进一步优化低空无人飞行器平台下所获取的阴影生物特征质量。

摘要： 高光谱遥感数据具有光谱分辨率高、图谱合一、光谱波段范围广等优点,在对地观测时可以获得许多连续的波段,携带的地物信息非常丰富,可以更加精细地刻画地物的细节信息,进而准确地识别地物.近年来,如何准确、高效地对高光谱遥感影像进行分类,已经成为了研究热点.半监督分类研究在少量的训练样本条件下,利用大量的未标记样本来提高分类精度成为了一种很好的解决方法.Zhou等提出tri_training算法,该算法与其他协同训练方法相比,它不仅对选择的分类器类型没有限制,也不要求数据集具有两个或三个充分冗余且独立的视图,而且耗时较少.然而,tri_training协同训练算法需要足够多的有标记样本来保证初始训练得到的分类器具有较大的差异性,而且在半监督学习过程中,对增选样本的标签确定过程中存在错误标定的情况.因此,本文结合自训练和协同训练,提出一种基于空间邻域信息的高光谱影像半监督协同训练分类算法tri_training_SNI(tri_training based spatial neighhood information).通过AVIRIS数据实验表明，tri training SNI算法能有效准确地选择未标记样本并进行正确地标定，同时提高了分类精度。但本文提出的算法还存在不少问题，如三个分类器的差异性不够大。因此，下一步的工作主要是寻找到三个分类器之间的性能可以互补且差异性较大。

摘要： 针对入侵检测系统中标记数据难以获得,但存在大量无标记数据可以利用的问题,本文将协同训练算法应用到入侵检测系统中。该方法通过几个分类器间协同学习,选出标记可信度比较高的无标记数据,再利用这些数据对已有的分类器作进一步的改进。实验结果表明:借助大量的无标记数据,该算法能取得较高的检测率和较低的误报率。

摘要： 本文提出一种自适应的在线跟踪算法，通过协同训练和粒子滤波算法的相互补充实现鲁棒和高效的目标跟踪。在粒子滤波的框架中。本文采用半监督的协同训练算法构建两个目标分类器并进行在线更新和相互增强，从而提高粒子滤波器的目标判别能力和对因光照、姿态变化、摄像机抖动和部分遮挡造成表观特征变化的适应能力。同时，结合重要采样的粒子滤波算法利用物体运动的时空约束务件和目标潜在的分布信息进行目标采样，不仅提高了采样的效率和准确性，缩小了分类器的搜索范围，并且能为协同训练提供更加准确可靠的训练样本。在标准测试库上的实验结果验证了算法的有效性和鲁棒性.与基于滑动窗口的全局搜索技术相比，本文算法在不降低跟踪性能的基础上将处理速度提高了25～45倍。

摘要： 我国是土壤侵蚀最严重的国家之一，本文从图像分析的角度，提出利用基于内容的图像检索技术辅助人工目视解译土壤侵蚀区域。基于多分类器Co-training的遥感图像检索方法在自动检索土壤侵蚀的过程中获得了较好的效果，本文针对多分类器Co-training检索中计算量较大的问题，从提高检索效率的角度，提出一种改进的基于多分类器Co-training的半监督学习遥感图像检索方法。在检索前，先利用聚类的方法分别选出最优的颜色特征和纹理特征，然后用对应的颜色分类器和纹理分类器进行两个分类器Co-training协同训练，从而可以大大减少协同训练的时间，同时经过选择获得的最优特征可以更好的表示遥感图像的颜色特征和纹理特征，这样也提高了图像检索的正确率。实验结果表明改进的多分类器Co-training检索方法所需的计算量小、检索时间少，同时检索结果也更优。

摘要： 本文提出一种基于协同训练(Co-Training)半监督学习的支持向量回归(Support Vector Regression,SVR)学习算法,称为Co-SVR算法,探讨了学习器差异性对泛化能力的影响及算法的有效性.在标准数据集上的实验得到了较好的效果,实验结果表明该算法可以有效地利用无标记示例提高支持向量机的学习性能.

摘要： 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单一SVM方法的优势。该算法在对SVM的训练中，只需要少量的标记数据，并能利用大量的未标记数据对分类器进行反复修正。实验结果表明提出的分类识别方法和基于Tri-training的半监督SVM算法在解决复杂多分类脱机手写体汉字分类识别问题上有效的提高了分类精度和速度。

摘要： 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单一SVM方法的优势。该算法在对SVM的训练中，只需要少量的标记数据，并能利用大量的未标记数据对分类器进行反复修正。实验结果表明提出的分类识别方法和基于Tri-training的半监督SVM算法在解决复杂多分类脱机手写体汉字分类识别问题上有效的提高了分类精度和速度。

摘要： 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单一SVM方法的优势。该算法在对SVM的训练中，只需要少量的标记数据，并能利用大量的未标记数据对分类器进行反复修正。实验结果表明提出的分类识别方法和基于Tri-training的半监督SVM算法在解决复杂多分类脱机手写体汉字分类识别问题上有效的提高了分类精度和速度。

摘要： 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单一SVM方法的优势。该算法在对SVM的训练中，只需要少量的标记数据，并能利用大量的未标记数据对分类器进行反复修正。实验结果表明提出的分类识别方法和基于Tri-training的半监督SVM算法在解决复杂多分类脱机手写体汉字分类识别问题上有效的提高了分类精度和速度。

摘要： 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单一SVM方法的优势。该算法在对SVM的训练中，只需要少量的标记数据，并能利用大量的未标记数据对分类器进行反复修正。实验结果表明提出的分类识别方法和基于Tri-training的半监督SVM算法在解决复杂多分类脱机手写体汉字分类识别问题上有效的提高了分类精度和速度。

摘要： 一种飞机数字化协同虚拟维护训练器及协同维修方法。训练器包括教员控制客户端、飞机虚拟仿真系统服务器和多个学员客户端；其中教员控制客户端与飞机虚拟仿真系统服务器相连，而飞机虚拟仿真系统服务器则与多个学员客户端相接。教员控制客户端内装有教员控制客户端程序、维修任务数据库和维修结果评估模块。飞机虚拟仿真系统服务器主要包括虚拟场景数据库、共享资源约束机制、Petri网协同关系模型和场景一致性实现约束。学员客户端包括维修手册模块、3D飞机仿真环境和驾驶舱内视景。本发明的飞机数字化协同虚拟维护训练器及协同维修方法有益效果：可完成大型复杂装备多人协同维修的训练，提高维修人员规范操作、多人协作的能力。

摘要： 本发明公开了飞机数字化协同虚拟维护训练器及协同维修方法，包括教员控制客户端、维修训练数据公布平台和学员训练客户端，所述教员控制客户端分别与维修训练数据公布平台和学员训练客户端相连，所述维修训练数据公布平台包括维修数据对比库、学员训练综合数据数据库、学员训练综合数据排名和维修缺陷分析模块，所述学员训练综合数据数据库和维修缺陷分析模块均与维修数据对比库相连；该飞机数字化协同虚拟维护训练器及协同维修方法，通过维修训练数据公布平台的设置，能够有效的使学员认知到自身的不足，同时也能够详细针对每一个学员薄弱点进行分析，从而能够显著增加学员间的交流率，也显著提升学员的学习效率。

摘要： 一种飞机数字化协同虚拟维护训练器及协同维修方法。训练器包括教员控制客户端、飞机虚拟仿真系统服务器和多个学员客户端；其中教员控制客户端与飞机虚拟仿真系统服务器相连，而飞机虚拟仿真系统服务器则与多个学员客户端相接。教员控制客户端内装有教员控制客户端程序、维修任务数据库和维修结果评估模块。飞机虚拟仿真系统服务器主要包括虚拟场景数据库、共享资源约束机制、Petri网协同关系模型和场景一致性实现约束。学员客户端包括维修手册模块、3D飞机仿真环境和驾驶舱内视景。本发明的飞机数字化协同虚拟维护训练器及协同维修方法有益效果：可完成大型复杂装备多人协同维修的训练，提高维修人员规范操作、多人协作的能力。

摘要： 本发明公开了数据训练的资源动态协同方法和系统，所述方法用于处理工业数据，所述方法包括：获取工业数据样本，并根据所述工业数据样本的特征进行数据分流得到用户数据与环境数据，同时根据所述工业数据样本的特征选择联邦学习模式并初始化数据训练模型；对所述用户数据和所述环境数据进行训练直至全局模型达到收敛。本发明有效应对用户数据的高动态、个性化需求以及环境数据的海量、冗杂特性，通过网络资源的动态协同调度，联合满足工业学习终端数据传输以及训练效率等需求。

摘要： 本发明涉及一种基于虚拟现实的多人协同消防训练方法与系统，其中，该方法包括：对滤波后的动作捕捉数据进行特征提取得到人体各个关节匹配点；对人体各个关节的匹配点进行平滑处理得到平滑后的关节匹配点；利用平滑后的关节匹配点与预设的消防人物模型进行动作匹配得到消防人物虚拟模型；使用消防人物虚拟模型在多人协同消防训练系统中完成消防演练。本发明将滤波后的动作捕捉数据与消防人物模型进行动作匹配得到消防人物虚拟模型，可以使消防人物虚拟模型能够在多人协同消防训练系统中低延迟的做出用户的真实动作，实现了消防训练数字化，降低了训练成本，有助于提高消防员的消防救援技能和指挥决策能力。

摘要： 本申请公开一种基于无人机模拟训练器的多机协同训练系统，包括：服务器，服务器中安装有中间件、导调控制软件、导调视景软件；导调视景软件通过中间件接收导调控制软件发送的目标控制指令，并基于目标控制指令对场景中的目标作出相应的操作，以及通过中间件接收相应子模拟器发送的目标击毁信息，驱动场景中对应的目标作出击毁动作，并实时发布目标的状态信息；多个子模拟器，每个子模拟器为多机协同训练系统的操作终端；子模拟器通过中间件实时接收导调视景软件发布的目标的状态信息，并更新相应目标在所有子模拟器三维场景中的状态；子模拟器和服务器在同一局域网络中通过中间件实现数据的双向传递，从而使所有子模拟器的场景中的信息保持一致。

摘要： 本发明公开了一种上下肢协同训练控制系统和算法，控制系统包括训练模块、肢体力量检测模块和控制模块，该系统真正拥有四肢协同训练功能，能够在主被动康复训练系统中实现上肢带动下肢、健侧带动患侧、一肢带动三肢，实现加强较弱肌肉力量训练的康复训练目的；该上下肢协同训练控制系统和算法为用户提供安全的主动运动，在不施力的情况下上下肢执行器均保持静止不动，不存在痉挛和受伤风险，通过用户自身的肢体带动运动，在保证患者训练安全的前提下，提供助力训练模式和抗阻训练模式，适应不同肢体状况的用户，为用户提供更加科学完善的训练体验和训练质量。

摘要： 本发明公开了一种用于手指活动度训练的音乐协同训练器及控制方法，涉及人体康复器械领域，包括人机交互模块、控制模块、驱动模块、音乐播放模块和手功能训练器。其中，人机交互模块与控制模块交互信息，控制模块向驱动模块输出信息，驱动模块包括音频驱动模块和电机驱动模块，音频驱动模块用来驱动音乐播放模块播放音频信息，电机驱动模块用来驱动手功能训练器做出康复动作，手功能训练的动作效果同时受到驱动模式和音乐音频信号的共同控制，并且电机驱动模块的不同驱动模式对应不同数量的驱动电路和电路的不同电平分配情况。本发明兼顾心理康复和生理康复两方面，既有助于克服脑卒中患者的心理障碍，又能提高生理康复的周期和效果。

摘要： 本申请涉及机器学习技术领域，公开了一种协同训练数据属性的推断方法、装置、计算设备及存储介质。方法包括：将服务器预训练的共享模型分发给分布式协同训练的参与设备；获取参与设备上传的第一梯度；基于更新后的共享模型，根据第一梯度重建样本数据的深度特征；采用共享模型提取带有属性标签的辅助数据的深度特征，训练属性推断模型；根据训练完成的属性推断模型对重建的深度特征进行属性推断。本申请无需重构输入样本，就能推断参与设备本地样本数据的相关属性，且不受参与设备每次训练更新的样本数据批量大小的影响，尤其在大批量样本数据下表现突出，性能稳定，可以对单个训练样本作属性推断。

摘要： 本申请提供了一种基于区块链的去中心化自适应协同训练方法和装置、电子设备及计算机可读存储介质，涉及计算机技术领域。该方法基于选取的区块链网络类型构建主区块链网络和多个分片网络，训练任务通过主区块链网络的智能合约分发，随后将训练任务写入分片网络进行共识；分片中的其他节点参与分片共识之后，获取到计算任务，并根据计算任务的内容获取训练数据集、训练模型等必要的生产要素，随后开始训练任务。可以看到，本申请实施例通过基于区块链的自适应协同训练方案解决区块链无法处理大规模数据训练的问题，通过联邦学习、区块链和分片机制的深度融合，从应用层面拓展区块链的训练能力，以达到去中心化协同训练的目的。