协同训练
协同训练的相关文献在1989年到2022年内共计308篇,主要集中在自动化技术、计算机技术、中国军事、军事技术
等领域,其中期刊论文189篇、会议论文7篇、专利文献128459篇;相关期刊124种,包括国防、智能计算机与应用、计算机工程等;
相关会议7种,包括第十五届全国青年通信学术会议、2009年全国模式识别学术会议暨首届中日韩模式识别学术研讨会、第八届中国Rough集与软计算、第二届中国Web智能、第二届中国粒计算联合会议(CRSSC-CWI-CGrC'2008)等;协同训练的相关文献由785位作者贡献,包括王勇、姜礼杰、胡保华等。
协同训练—发文量
专利文献>
论文:128459篇
占比:99.85%
总计:128655篇
协同训练
-研究学者
- 王勇
- 姜礼杰
- 胡保华
- 高爱丽
- 侯彪
- 葛志强
- 包亮
- 李业刚
- 李斌
- 焦李成
- 马文萍
- 高东方
- 任鸿翔
- 兰丹媚
- 吕佳
- 周步祥
- 巩小强
- 张灿龙
- 张致强
- 徐沐霖
- 李冲
- 李志欣
- 汪洋
- 王爽
- 薛向阳
- 詹永照
- 邱绍杨
- 陈刚
- 陈珂
- 于立萍
- 仁庆道尔吉
- 付豪
- 代家舜
- 代慧
- 任春晓
- 伍国鑫
- 余立新
- 傅丁莉
- 公茂果
- 兰霞
- 兴雷
- 冯云松
- 刘乙奇
- 刘伟锋
- 刘倩
- 刘君
- 刘宏伟
- 刘宝弟
- 刘建波
- 刘永超
-
-
罗顺桦;
王振雷;
王昕
-
-
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。
-
-
李海;
程新宇;
尚金雷
-
-
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。
-
-
陈伟;
简川霞
-
-
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。
-
-
张赛;
崔毅;
肖凌
-
-
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。
-
-
卢宛芝;
丁要军
-
-
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。
-
-
潘用科;
贺紫平;
夏克文;
牛文佳
-
-
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。
-
-
徐宏强;
徐望明;
王望;
伍世虔
-
-
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。
-
-
王泽辰;
王树鹏;
孙立远;
张磊;
王勇;
郝冰川
-
-
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%。
-
-
张宝奇;
赵书良;
张剑;
吕晓锋
-
-
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。
-
-
华漫;
辛瑜;
李燕玲;
张先浩
-
-
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。
-
-
朱济帅;
谭琨;
王雪;
杜培军
- 《第三届全国成像光谱对地观测学术研讨会》
| 2015年
-
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。
-
-
闫耀辉;
臧洌;
黄同心
- 《第十五届全国青年通信学术会议》
| 2010年
-
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。
-
-
-
-
-
-
-
-