基于张量网络的多标签学习方法

利用关系分类模型,将标签之间的相关性以及特征对标签相关性的影响形式化为分数模型,通过要求模型能够区分真实数据和噪声数据的得分建立了基于张量网络的多标签分类模型.多个数据集上的实验表明,相较于传统多标签学习方法和已有考察标签相关性的多标签学习方法,本文方法在平均精确度和错误率等多标签评价指标上提升近一倍,且拥有更低的计算成本.     

基于相关性约束矩阵分解的多标签分类方法

多标签分类是一项重要且具有挑战性的任务,对于场景分类、信息检索和网页挖掘等领域有重要意义.近年来,研究者倾向于挖掘并利用标签相关性以及实例相关性来提升多标签分类的性能,其中利用这类相关性来解决多标签分类中的标签缺失问题一直是机器学习领域的热门研究点,但现有的方法都忽略了标签和实例之间的相关性.针对标签完整和标签缺失的情况,基于矩阵分解的方式分解得到实例和标签的特征表示矩阵,在利用标签相关性和实例相关性建立正则约束的同时,首次建立实例和标签特征表示间的相关性并用以建立正则约束,进而提升算法性能.在三个真实数据集上对提出的算法进行性能验证,实验结果表明,该算法和对比算法相比,获得了最高的预测精度.     

基于类属特征的多标签流形学习分类方法

多标签流形学习(multi-label manifold learning, ML$^{2}$)基于特征流形构建标签流形, 将标签逻辑值转换为实数值, 能更好地反映标签相关性, 提高分类性能. 但是, ML$^{2}$ 与多数多标签分类方法一样, 是基于数据的全部特征进行标签预测, 没有考虑不同特征对不同类别标签的鉴别能力. 因此, 提出一种基于类属特征的多标签流形学习分类(label specific feature based multi-label manifold learning, LSF-ML$^{2}$)方法. 首先, 利用标签数据优化类属特征重要度矩阵, 确定类属特征子集; 再将子集的特征流形映射到标签空间, 使标签从离散型变为数值型; 最后, 通过多输出回归实现分类. 实验结果表明, 所提方法性能优于多种多标签分类方法.     

基于标签相关性的标签特定特征多标签学习

针对标签特定特征多标签学习算法(multi-label learning with label-specific features, LIFT)未能在聚类以及分类阶段考虑标签相关性问题,提出一种基于标签相关性的标签特定特征多标签学习算法(multi-label learning with label-specific features via label correlations, LFLC).将标签空间加入特征空间进行聚类构建分类模型,采用考虑标签相关性的聚类集成技术为每个标签构造标签特定特征,使用相关性矩阵构建无向完全图并挖掘图中标签集合相关性,通过树集成表达标签间多种不同结构的强相关性.在试验部分,采用涵盖不同领域的10个数据集,以Hamming Loss、Ranking Loss、One-error、Coverage、Average Precision和macroAUC为评估指标,进行了参数敏感性分析和统计假设检验.结果表明：结合聚类集成与标签间强相关性的LFLC算法较其他对比多标签算法整体上能取得较好的效果.     

基于贝叶斯理论的单音音乐节奏提取

音频音乐信号的特征分析具有广泛的应用前景,如音乐检索、乐器识别等。本文先引入贝叶斯节奏模型,然后用基于贝叶斯理论的序列蒙特卡罗方法,推断音乐片段的小节和节拍的位置。对不同乐器演奏的、不同音乐速度的、不同节奏模式的音乐,本方法均能有效地提取节奏特征。     

融合标签局部相关性的标签分布学习

提出了一种融合标签局部相关性的标签分布学习(label distribution learning, LDL)算法,该算法分为3个阶段。初始预测阶段构建多层神经网络模型,将样本的原始特征作为输入、初始预测的标签分布作为输出;局部矫正阶段首先利用k-means聚类算法获得不同类所描述的局部信息,然后针对不同类计算对应的协方差矩阵,利用该矩阵来矫正初始预测的标签分布,获得每个类对应的矫正标签分布;标签融合阶段对矫正后的标签分布进行加权,再与初始预测的标签分布进行融合,得到最终的预测分布。在8个公开数据集上与9种常用的LDL算法进行对比实验,结果表明本文的算法能较好地描述标签局部相关性,在多个主流评估指标上排名靠前。     

一种融合标签间强相关性的多标签图像分类方法

为了将标签间的语义相关性引入多标签图像分类模型中,传统的方法例如 ML-GCN 通过设置单阈值将标 签条件概率矩阵二值化为标签共现矩阵,然而,仅设置单阈值很难归纳所有的标签语义关系情况。 针对这一问题, 提出一种融合标签间强相关性的多标签图像分类方法—MGAN(Multiple Graph Convolutional Attention Networks), 通过设置多个阈值,将传统的标签条件概率矩阵按照不同的相关性程度分割为多个子图;同时,为了提升多标签分 类性能,也引入图像区域空间相关性。 另外,针对传统的“CNN+GCN”方法将标签与特征的融合张量视为预测分数 缺乏可解释性问题,将标签与特征的融合张量视为注意力分数;在 MS-COCO 和 PASCAL VOC 数据集上与其他主 流多标签图像分类方法进行了对比实验,平均准确率分别达到了 94. 9%和 83. 7%,相较于经典 ML-GCN 模型,分 别获得了 0. 9%和 0. 8%准确率提升,且在“Binary”和“Re-weighted”邻接矩阵模式下,MGAN 都有较好的表现,验证 了新的融合方法可以缓解图卷积神经网络过平滑问题对多标签图像分类的影响。     

基于模糊支持向量的多标签分类方法

单实例多标签分类是指一个样本拥有多个标签的分类问题,对此提出了一种基于半模糊核聚类和模糊支持向量机的多标签分类算法.该算法采用一对一分解策略将多类多标签数据集分解为多个两类双标签数据子集,在每个子集上训练两类双标签模糊支持向量机.为提高分类器的性能引入了半模糊核聚类技术.实验结果表明,与现有的一些算法相比新算法具有其优...     

基于蒙特卡罗的结构共振震害风险模糊概率计算方法

对结构发生共振震害风险的模糊概率计算进行了研究。该研究考虑了影响结构共振震害发生与否的各个因素的随机性和共振区间的模糊性。在结构共振模糊可靠度及风险分析的理论基础上,给出了计算发生共振震害的模糊概率的理论公式。同时,为了克服理论公式在实际应用中的困难,采用了基于自适应重要抽样的蒙特卡罗方法计算共振震害的模糊概率。最后,通过计算实例表明所述计算方法的有效性和可行性。     

基于k-邻域相关性的多标签分类

多标签分类是指数据可以同属于多个类的分类问题,其数据特征和标签间相关性对分类结果存在影响。因此,提出一种融合前述两种因素的多标签分类算法。将数据用核函数进行特征映射,根据训练数据的k-邻域计算得到每个标签的最大后验概率;并将其加入到对应的数据特征中。用加入最大后验概率的数据特征训练分类器。通过在经典的yeast、scene和emotion数据库上实验,证明了算法的有效性。     

A genetic framework for improving arrhythmia therapy

Abnormalities in heart rhythm continue to cause high rates of illness and death. Better treatment could be provided by solving two main challenges: the early identification of patients who are at risk, and the characterization of molecular pathways that culminate in arrhythmias. By analysing mechanisms that increase susceptibility to arrhythmia in individuals with genetic syndromes, it might be possible to improve current therapies and to develop new ways to treat and prevent common arrhythmias.     

提高显示速度的方法

简要说明 Visual Basic编程中提高绘图和其它的显示操作速度常用的几种方法。     

谈提高数学课堂教学效率的几种方法

数学这门学科。抽象、系统、难懂，但它与实践联系非常密切。所以，在课堂教学中。教师的引导作用是关键。教师要明确教学目标、分析教材。合理设计教学内容，在讲解中，突出重点。解决难点，灵活运用教学方法。不断提高自己的教学能力，充分发挥学生的学习积极性。适当运用多媒体辅助教学。这样，不但培养了学生学习数学的综合能力、同时，也大大地提高了数学课堂的教学效率。     

基于遗传矢量量化和遗传神经网络的说话人识别系统

提出一种基于遗传神经网络的说话人识别系统.将遗传算法和矢量量化技术结合建立说话人模型,然后利用遗传神经网络进行识别.实验结果表明,这种方法既降低了用户的语音数据采集量,有利于话者模板的建立,又提高了系统的识别性能及鲁棒性,较传统方法有明显的优越性.     

基于词向量的情感新词发现方法

词语级的情感倾向性分析一直是文本情感计算领域的热点研究方向,如何自动识别情感新词,并判断其情感倾向性已经成为当前亟待解决的问题。首先用基于统计量的方法识别微博语料中的新词,然后利用神经网络去训练语料中词语的词向量,从语料自身挖掘出词与词之间的相关性,最后提出了基于词向量的情感新词发现方法。实验表明该方法可以有效应用于情感新词发现。     

提高热变形实验精度的两种方法

实验研究仍然是热变形研究，尤其机械热变形研究重要方法。机械热变形实验由于周期长、影响因素多，难于保证高精度。利用三维新型高精度多功能热变形实验装置，通过改进数据处理和对微小系统误差修正两种方法，实现提高实验效率和测量精度。这两种方法均来自实验。实例证明，其原理简单，易于操作，成本低廉。     

提高航空发动机测试性的结构设计方法及应用

航空发动机可测试性作为一项重要设计指标已贯穿于发动机设计和使用的全寿命工作过程中,测试结构的设计是保障航空发动机可测试性目标实现的一项重要工作。为满足可测试性要求,结构设计方案应根据不同的测试项目和测试需求,分析所处的应用环境,进行有针对性的设计。通过对测试项目的分类和测试需求的分析,以国内某系列发动机测试结构设计为基础,对航空发动机上的典型测试结构方案的特征、应用范围以及具体结构实现方法进行分析和研究,这些方案在发动机实际工作中得到了有效的工程验证,其结构可靠,可以满足测试需求。     

提高Φ139.70系列石油套管用钢成材率的措施

针对生产中φ139.70系列石油套管产品成材率偏低的问题,提出了影响φ139.70系列石油套管产品成材率的主要因素,从优化投坯工艺、改进管坯加热制度、工具调整入手,进行了相应的改进.实际生产表明,工艺改进后,金属消耗明显降低;φ139.70系列石油套管的成材率有了显著提高.     

提高无源非接触IC卡作用范围的有效方法

详细介绍无源非接触IC卡读写系统的工作原理。通过对IC卡收发电路和收发天线的改进 ,有效增加了无源非接触IC卡有效作用范围     

两种修正判断矩阵一致性方法的比较分析

对层次分析中判断矩阵一致性的修正方法进行了研究，证明了修正判断矩阵一致性的加权算术平均法的收敛性，并同时加权几何平均法进行了详细的比较。理论分析表明：虽然这2种方法都具有收敛性，且均可对一致性较差的判断矩阵进行修正，但加权几乎平均法比加权算术平均法简洁，且前者无需通过转换，直接保持了修正后的判断矩阵的互反性。数值结果也显示：加权几何平均法所需的迭代次数比加权算术平均法所需迭代次数少。