李杰龙
- 作品数：7 被引量：5H指数：1
- 供职机构：广东工业大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 面向在线不确定图像识别的多示例加权包学习方法
- 面向在线不确定图像识别的多示例加权包学习方法，通过改进多示例学习算法，降低在线图像识别中噪声数据对分类结果的影响，同时提出赋予包示例不同的权值，不断更新分类器，调整权值，以提高分类精度。与传统图像识别的多示例学习方法的不...
- 肖燕珊刘波郝志峰张丽阳阮奕邦李杰龙
- 文献传递
- 面向在线不确定图像识别的多示例加权包学习方法
- 面向在线不确定图像识别的多示例加权包学习方法，通过改进多示例学习算法，降低在线图像识别中噪声数据对分类结果的影响，同时提出赋予包示例不同的权值，不断更新分类器，调整权值，以提高分类精度。与传统图像识别的多示例学习方法的不...
- 肖燕珊刘波郝志峰张丽阳阮奕邦李杰龙
- 基于主动学习的多示例多标签学习算法研究
- 随着互联网的快速发展，数码产品的快速普及，网页文本和图像信息呈爆炸式增长，数据的大小和数据的结构复杂度也在不断提高，这些数据往往不具有唯一的语义，而是多义性的。由于这样的多义性，使得当前只考虑单一语义的学习框架难以取得良...
- 李杰龙
- 关键词：文本信息图像信息分类器
- 基于SVM的多示例多标签主动学习被引量：4
- 2016年
- 针对近年出现的多示例多标签学习,把主动学习应用到其框架上,提出一种基于支持向量机最小分类距离的多示例多标签主动学习方法。引入支持向量机的最小分类距离,提出分类器对未标记多示例包的置信度,在学习过程中,迭代地主动选择最能改善分类器性能的未标记多示例包添加到训练集中进行学习,有效减少训练多示例包的成本,改善分类器性能。实验结果表明,与样本随机选择策略相比,该方法在训练样本相同的情况下能够获得更好的分类性能。
- 李杰龙肖燕珊郝志峰阮奕邦张丽阳
- 关键词：支持向量机置信度
- 基于主动学习和多标签多示例学习的场景图像标注方法
- 本发明针对场景图像的两个基本特征：（1）场景图像往往包含复杂语义；（2）人工标注大量的图像需要耗费昂贵人力成本，公开了一种基于主动学习和多标签多示例学习的场景图像标注方法，包括：在有标签图像基础上训练初始分类模型；对无标...
- 肖燕珊刘波郝志峰李杰龙阮奕邦张丽阳
- 文献传递
- 基于主动学习和多标签多示例学习的场景图像标注方法
- 本发明针对场景图像的两个基本特征：（1）场景图像往往包含复杂语义；（2）人工标注大量的图像需要耗费昂贵人力成本，公开了一种基于主动学习和多标签多示例学习的场景图像标注方法，包括：在有标签图像基础上训练初始分类模型；对无标...
- 肖燕珊刘波郝志峰李杰龙阮奕邦张丽阳
- 基于示例加权的稀疏正包多示例学习被引量：1
- 2016年
- 为降低多示例学习中噪声示例对分类结果的影响,提出赋予包示例不同的权值,不断更新分类器,调整权值,提高分类精度。在传统的多示例学习中,训练集由若干个包组成,每个包包含若干个示例,包示例标签未知。受获取数据的环境和传输过程等不确定因素的影响,现实世界的数据极易受到噪声的干扰,在多示例学习中,正包中存在正示例,也可能包含负示例噪声,这些噪声会影响分类效果。实验结果表明,该方法具有更好的分类能力。
- 张丽阳郝志峰肖燕珊阮奕邦李杰龙
- 关键词：多示例学习噪声
