绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
检索详情页
首页 > 成果首页 > 基于稀疏表示的半监督学习新方法及应用研究
添加标签
×
已添加(0/5):

推荐标签:

基于稀疏表示的半监督学习新方法及应用研究
成果信息
立项支持
  • 公布年份:
    2017
  • 中图分类:
    H03
  • 关键词:
  • 成果简介:
    基于稀疏表示的半监督学习新方法及应用研究方面展开深入系统的研究工作。首先,项目组考虑到稀疏表示的突出优点,利用基于L1范数的拉普拉斯正则化方法来解决图构建和去噪这两个关键问题。其次,项目组将约束传递分解为基于稀疏表示的半监督学习子问题来有效地利用约束信息。最后,项目组还将这些新方法应用于图像分类与标注、图像语义分析与表示等较难的图像理解问题。(1)半监督学习算法:在半监督学习的应用研究中,课题组发现噪声对算法性能的影响非常大。鉴于稀疏学习在去噪上具有突出的优点,我们重点研究如何利用稀疏学习来解决实际应用中的噪声问题。一方面,面向带噪声大规模数据,我们提出了一种基于稀疏学习的半监督学习新算法。另一方面,在人体运动分析中,我们提出了一种基于稀疏学习的视觉特征提取算法,以有效去除人体运动数据中的噪声。(2)半监督学习应用:课题组首先将半监督学习算法应用于社交图片分析。社交网络上的图片( 如Flickr) 附带了用户提供的Tags,但这些文本标注信息含有大量的噪声,直接用于图像理解难以取到满意效果。已经有大量工作关注社会图片的Tags去噪,但是较少关注如何利用Tags来优化图片的视觉表示。在本项目中,我们重点研究如下关键问题:如何实现视觉文本表示的协同优化。具体地,为了解决这一关键问题,我们提出基于稀疏学习、矩阵分解以及线性变换的快速协同优化算法,并应用于社会图像分类,在标准数据集测试中取得非常好的效果。
相关论文(与本文研究主题相同或者相近的论文)
我的标签
您可以为文献添加知识标签,方便您在书案中进行分类、查找、关联
请输入添加的标签
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部