【摘 要】
：
多标记特征选择已在图像分类、疾病诊断等领域得到广泛应用;然而,现实中数据的标记空间往往存在部分标记缺失的问题,这破坏了标记间的结构性和关联性,使得学习算法难以准确地选择重要特征。针对此问题,提出一种缺失标记下基于类属属性的多标记特征选择(MFSLML)算法。首先,通过利用稀疏学习方法获取每个类标记的类属属性;同时基于线性回归模型构建类属属性与标记的映射关系,以用于恢复缺失标记;最后,选取7组数据集
【机 构】
：
闽南师范大学计算机学院,数据科学与智能应用福建省高校重点实验室（闽南师范大学）
【基金项目】
：
国家自然科学基金面上项目(62076116),福建省自然科学基金面上项目(2020J01811)。
论文部分内容阅读
多标记特征选择已在图像分类、疾病诊断等领域得到广泛应用;然而,现实中数据的标记空间往往存在部分标记缺失的问题,这破坏了标记间的结构性和关联性,使得学习算法难以准确地选择重要特征。针对此问题,提出一种缺失标记下基于类属属性的多标记特征选择(MFSLML)算法。首先,通过利用稀疏学习方法获取每个类标记的类属属性;同时基于线性回归模型构建类属属性与标记的映射关系,以用于恢复缺失标记;最后,选取7组数据集以及4个评价指标进行实验。实验结果表明:相比基于最大依赖度和最小冗余度的多标记特征选择算法(MDMR)和
其他文献
因果推断方法可以用于在观察数据上发现因果关系。在因果结构含混淆因子的数据上进行因果推断时,可能会受混淆因子的影响而得到错误的因果关系。针对上述问题,提出了一种基于混淆因子隐压缩表示(CHCR)模型的因果推断方法。首先,根据CHCR模型,构造含有对原因变量进行压缩表示的中间隐变量的备选模型;其次,利用贝叶斯信息准则(BIC)计算备选模型评分并选出得分最高的最佳模型;最后,根据最佳模型中的压缩情况判断
多光谱遥感影像波段之间存在着一定的相关性,发现并找出各波段之间的相关关系,并利用这种关系还原多光谱遥感影像损失的任意部分波段信息,对于深层次的影像信息提取具有重要作用。论文以Landsat TM遥感数据为例,随机选取多光谱遥感影像中六个波段任意同一位置部分影像作为神经网络的训练数据,剩余波段对应位置的数据作为神经网络的标签数据,通过BP神经网络去训练进行重建损失部分的波段研究。结果表明:1)对于重
纺织品起毛起球等级难以做到精确评定,且主观因素会影响判定结果,为了实现纺织品起毛起球的人工智能评定,论文设计了一种基于卷积神经网络算法的纺织品毛球评定方法。建立了11层结构的CNN毛球评定模型,通过合理设计卷积层和池化层,实现了对纺织品毛球的有效智能评定。实验结果表明该评定模型综合准确率达到84.87%,具有客观性和实用性。
针对互联网上大量自制视频缺少用户评分、推荐准确率不高的问题,提出一种融合弹幕情感分析和主题模型的视频推荐算法(VRDSA)。首先,对视频的弹幕评论进行情感分析,得到视频的情感向量,之后基于情感向量计算视频之间的情感相似度;同时,基于视频的标签建立主题模型来得到视频标签的主题分布,并使用主题分布计算视频之间的主题相似度;接着,对视频的情感相似度和主题相似度进行融合得到视频间的综合相似度;然后,结合视
词嵌入技术在文本情感分析中发挥着重要的作用,但是传统的Word2Vec、GloVe等词嵌入技术会产生语义单一的问题。针对上述问题提出了一种融合情感词典与上下文语言模型ELMo的文本情感分析模型SLP-ELMo。首先,利用情感词典对句子中的单词进行筛选;其次,将筛选出的单词输入字符卷积神经网络(char-CNN),从而产生每个单词的字符向量;然后,将字符向量输入ELMo模型进行训练;此外,在ELMo
摘要：随着科学技术的发展，电气自动化逐渐在建筑工程中普及。在建筑工程中安装电气自动化设备是合乎消费者需求的，也是合乎时宜的。本文就是在这个大背景下完成的，首先从建筑工程电气自动化的发展现状入手，介绍了我国建筑工程电气自动化的发展概况，进而分析了电气自动化对于建筑工程的重要作用，然后根据实际情况，简要概括了建筑工程中电气自动化存在的隐患，最后剖析了建筑工程中的电气自动化安装的要点，对建筑工程中的电气
现今无人机有着广泛的应用,但由于无人机自身噪声大,使得使用无人机拾音,从而实现无人机语音系统成为难题.论文针对无人机的噪声特征,综合比较多种语音降噪方法,提出了一种基于维纳滤波的无人机语音系统的实现方案.并且基于WebRTC协议实现流媒体传输,进而实现了无人机与地面站的实时信息交互.论文搭建由四旋翼无人机、麦克风阵列开发板等构成的硬件平台,应用维纳滤波降噪算法以及WebRTC技术,实现了无人机语音系统的降噪以及音视频交互,最终完成了无人机语音系统的设计与实现,为无人机噪音下的语音降噪提供了一种解决方案.
对社交网络上的海量文本信息进行情感分析可以更好地挖掘网民行为规律,从而帮助决策机构了解舆情倾向以及帮助商家改善服务质量。由于不存在关键情感特征、表达载体形式和文化习俗等因素的影响,中文隐式情感分类任务比其他语言更加困难。已有的中文隐式情感分类方法以卷积神经网络(CNN)为主,这些方法存在着无法获取词语的时序信息和在隐式情感判别中未合理利用上下文情感特征的缺陷。为了解决以上问题,采用门控卷积神经网络
“十三五”以来,住房城乡建设行业深入贯彻实施国家创新驱动发展战略,坚持新发展理念,围绕绿色发展,不断优化科技创新环境,统筹科技资源配置,持续推动科技成果的示范应用与推广转化,取得了一批前瞻性、引领性、实用性科技成果,行业科技实力和创新能力显著提升,科技创新的供给能力显著增强,为推动住房和城乡建设高质量发展,促进建筑业向绿色化、工业化、智能化转型升级提供了科技支撑.
针对现有语义分割算法参数量过多、内存占用巨大导致其很难满足自动驾驶需要等现实应用的问题,提出一种基于可分离金字塔模块(SPM)的新颖、有效且轻量的实时语义分割算法。首先,利用特征金字塔形式的分解卷积和扩张卷积来构建瓶颈结构,从而以一种简单但有效的方式提取局部和上下文信息;然后,提出基于计算机视觉注意力的上下文通道注意力(CCA)模块,来利用深层语义修改浅层特征图通道权重优化分割效果。实验结果显示: