简单易懂什么是半监督学习，为什么使用半监督学习
如何针对半监督数据集，利用不完整的监督信息完成特征选择，已经成为模式识别与机器学习领域的研究热点。为方便研究者系统地了解半监督特征选择领域的研究现状和发展趋势，对半监督特征选择方法进行综述。首先探讨了...
一个模型对于同一个未标记图像，在图像添加额外噪声前后的预测值应该保持一致。添加噪声的方法，如图像增强（空间维度增强、像素维度增强）。同样，Dropout可在模型结构中引入噪声。
半监督学习是一种强大的机器学习方法，可以结合监督学习和无监督学习的优点。通过使用标记和未标记数据，半监督学习可以提高许多机器学习项目的准确性、成本和时间节省。它利用标记和未标记数据来生成一个模型，该...
什么是半监督学习? 传统的机器学习技术分为两类，一类是无监督学习，一类是监督学习。 无监督学习只利用未标记的样本集，而监督学习则只利用标记的样本集进行学习。 但在很多实际问题中，只有少量的带有标记的数据，...
提出了一种基于高斯混合模型核的半监督支持向量机(SVM)分类算法.通过构造高斯混合模型核SVM分类器提供未标示样本信息,使得SVM算法在学习标示样本信息的同时,能够兼顾整个训练样本集合的聚类假设.实验部分将该算法同...
利用半监督学习体系结构中的生成对抗性网络,围绕标注数据稀缺性的问题进行研究,在传统无监督生成对抗网络的基础上用softmax替代最后的输出层,使其扩展为半监督生成对抗网络。对生成样本定义额外的类别标签,用于引导...
Python的半监督学习框架 该项目包含用于半监督学习的Python实现，并与scikit-learn兼容，包括 对比悲观似然估计（CPLE） （基于-但不等同于 ），适用于所有分类器的“安全”框架，可以产生预测概率（此处的安全意味...
针对有监督学习需要大量有标签样本这一问题, 本文采用半监督学习方式训练恶意URL检测模型, 减少了为数据打标签带来的成本开销. 在传统半监督学习协同训练(co-training)的基础上进行了算法改进, 利用专家知识与Doc2...
具有交叉一致性训练 (CCT) 的半监督语义分割 , 本 repo 包含 CVPR 2020 论文的官方实现：Semi-Supervised Semantic Segmentation with Cross-Consistecy Training，它采用了传统的半监督学习的一致性训练框架进行...
当对大量的标记数据集合(如ImageNet)进行训练时，深度神经网络展示了它们在特殊监督学习任务(如图像分类)上的卓越表现。
半监督支持向量机S3VM：半监督支持向量机（S3VM）方法
标签： 研究论文
联合分布的半监督主题模型
医学图像分割的半监督学习。 近来，半监督图像分割已成为医学图像计算中的热门话题，不幸的是，由于隐私策略等原因，只有少数开源代码和数据集。为了便于评估和公平比较，我们正在尝试建立一个半监督医学图像分割...
标签： 研究论文
因此，近年来，诸如基于图的方法之类的半监督学习算法引起了很多关注。 但是，大多数这些传统方法都采用高斯函数来计算图形的边缘权重。 本文提出了一种新的基于半监督图的权重方法。 新方法将来自问题的标签信息...
半监督学习图像分类 该库包含使用TensorFlow 2.x和Python 3.x实现的计算机视觉任务的半监督学习算法。 前言 通过这个库，我追求两个目标。 第一个是易于使用的高级API，可在私有或公共数据集上运行半监督学习算法。 ...
（python）论文“时变转速下基于改进图注意力网络的轴承半监督故障诊断”源码
一种基于密度峰值的新型半监督聚类算法
本文提出一种采用单样本训练的行人重识别方法，在迭代的过程中采用...实验结果表明：本文提出的半监督行人重识别方法可以在使用更少标签数据的情况下，提供与完全监督学习方法相媲美的结果，充分体现了本方法的有效性.
定义了一个欧氏距离和监督信息相混合的新的最近邻计算函数,从而将K-均值算法很好地应用于半监督聚类问题。针对K-均值算法初始质心敏感的缺陷,用粒子群算法的搜索空间模拟聚类的欧氏空间,迭代搜索找到较优的聚类质心...
半监督文档聚类，考虑到有限的监督数据将未标记文档分组为聚类，最近引起了人们的极大兴趣。 由于获取监管数据可能会很昂贵，因此获取最丰富的信息以提高群集性能非常重要。 本文提出了一种半监督文档聚类算法和一种...
标签： 研究论文
基于半监督学习的虚假评论检测
针对传统黎曼流形上判别分析算法仅考虑了带标签数据统计信息,忽略了无标签数据的问题,基于图正则化思想,提出一个新颖的基于黎曼流形框架上半监督判别分析算法,并将其应用于视觉分类任务中.该算法将非奇异协方差矩阵...
本文提出一种基于流形的半监督特征选择算法,定义一个合理的特征评判准则,考虑标记样本的先验信息以及高维数据局部和非局部结构的不变特性.通过对标记数据类间方差和类内方差的极大化和极小化,优化数据的判别结构;...
目前时间序列半监督分类研究主要集中在单变量时间序列，由于多变量时间序列（MTS）变量之间存在复杂关系，MTS的半监督分类研究比较少.针对这种情况，提出一种基于二维奇异值分解的MTS半监督分类方法，该方法首先计算...
针对命名实体识别器的半监督学习的有效双语约束
为了在半监督情境下利用多视图特征中的信息提升分类性能，通过最小化输入特征向量的局部重构误差为以输入特征向量为顶点构建的图学习合适的边权重，将其用于半监督学习。通过将最小化输入特征向量的局部重构误差捕获...
本文在半监督极限学习机（SSELM）中引入了基于核的优化，并通过实验对性能的改进进行了评估。 结果表明，通过内核功能的优化，KernelSSELM可以实现更高的分类精度和鲁棒性。 另外，内核SSELM用于在城市交通评估和...
针对标记数据不足的多标签分类问题, 提出一种新的半监督Boosting算法, 即基于函数梯度下降方法给出一种半监督Boosting多标签分类的框架, 并将非标记数据的条件熵作为一个正则化项引入分类模型。实验结果表明, 对于多...