版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、隨著互聯(lián)網(wǎng)和多媒體技術的迅速發(fā)展,每天都有海量的數(shù)據(jù)產(chǎn)生,其中就包含著海量的圖像、文本等數(shù)據(jù),如何有效地利用和管理這類圖像、文本數(shù)據(jù),日益成為科研和商業(yè)需要解決的一個問題。對于這些海量的圖像、文本等數(shù)據(jù),數(shù)據(jù)呈現(xiàn)出給我們的不再是簡單的單一的內容形式,現(xiàn)實生活中呈現(xiàn)出的更多是具有復雜內容的多義性的樣本數(shù)據(jù),如何有效地處理這類多義性樣本數(shù)據(jù),是當前科研的一個難點。在處理具有復雜內容的多義性對象時,一種比較有效的處理方法是多示例多標記學習方法
2、。在這種方法下,用多示例的方法來表示樣本數(shù)據(jù)的復雜內容,用多標記的方法來表示樣本數(shù)據(jù)的多個語義,通過提取示例的特征,對特征和標記之間建立模型,從而達到識別多語義樣本數(shù)據(jù)的目的。
然而,在建立算法模型時,提取什么樣的特征,怎么來表示提取的特征,從根源上關系到多示例多標學習方法的識別效果?;谶@一點,本文根據(jù)現(xiàn)有的底層特征提取方法、中層語義特征提取方法、特征學習如深度學習技術等,將這些技術融入到多示例多標記學習方法中,提出了一種通
3、用的多示例多標記學習框架模型。本文的主要研究內容如下:
(1)通過研究特征學習技術、多示例多標記學習技術等,挖掘算法中的不足,在現(xiàn)有理論方法的基礎上,將特征學習技術融入到多示例多標記學習中,提出了一種通用的多示例多標記學習框架,該模型框架可以很好地改善現(xiàn)有多示例多標記學習方法中的不足。
(2)在通用模型框架的基礎上,提出了一種基于主題模型的多示例多標記學習方法(CPNMIML),在該方法中,算法的特征學習模型采用的是
4、概率潛在語義分析模型(PLSA),該特征學習模型是一種淺層的特征學習模型,其特征學習的能力有限,因此,基于卷積神經(jīng)網(wǎng)絡的多示例多標記學習方法(CNNMIML)應用而生,卷積神經(jīng)網(wǎng)絡是深度學習的一種模型,具備良好的特征學習能力。
在多示例多標記學習方法中,研究者已經(jīng)提出了很多算法,而MIMLBOOST和MIMLSVN是兩個比較典型的算法,因此,在進行實驗結果對比時,本文將提出的方法和MIMLBOOST和MIMLSVN這兩種方法分
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于多示例多標記學習的自然場景圖像分類.pdf
- 多示例多標記哈希學習方法研究.pdf
- 基于樣本加權的多示例多標記遷移學習方法研究.pdf
- 基于多示例多標記學習的圖像語義標注方法的研究.pdf
- 基于主動學習的多示例多標簽學習算法研究.pdf
- 基于特征選擇的嵌入空間多示例學習算法研究.pdf
- 基于特征加權的在線多示例學習跟蹤算法.pdf
- 基于集成學習的多標記學習算法研究
- 基于集成學習的多標記學習算法研究.pdf
- 基于SVDD的單-多示例學習研究.pdf
- 基于SURF特征的多示例學習的目標跟蹤算法.pdf
- 多示例學習算法研究.pdf
- 基于多示例多標簽學習的圖像分類標注.pdf
- 基于正示例與多示例多標記的圖像檢索.pdf
- 基于多示例學習的圖像檢索算法研究.pdf
- 基于多示例學習的圖像分析方法研究.pdf
- 基于標記依賴關系的多標記學習算法研究.pdf
- 基于多示例學習的圖像檢索方法研究.pdf
- 基于示例加權支持向量機的多示例學習算法研究.pdf
- 基于數(shù)據(jù)及標記關聯(lián)的多標記學習算法研究.pdf
評論
0/150
提交評論