作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
机器学习的应用中,通常存在大量的未标记示例,对这些数据进行标记是昂贵和耗时的.与传统的监督学习不同,基于无标记数据的学习能同时在少量的已标记数据和大量的未标记数据上进行学习,从而提高学习的性能,已成为目前机器学习领域中的一个研究热点.分析了基于无标记数据的学习适用基于内容的图像检索的原因,并阐述了相关研究的进展情况.
推荐文章
基于改进粒子群优化的无标记数据鲁棒聚类算法
多目标粒子群优化
聚类算法
鲁棒性
帕累托最优解
无标记数据
有监督流形学习算法SLLESVM在图像检索中的应用
有监督
流行学习
SLLESVM
图像检索
SVM反馈算法在图像检索中的应用
科技资源
图像检索
相关反馈
支持向量机
关系tri-training:利用无标记数据学习一阶规则
机器学习
归纳逻辑程序设计(ILP)
关系tri-training
概率近似正确(PAC)可学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 无标记数据学习及其在图像检索中的应用
来源期刊 软件导刊 学科 工学
关键词 机器学习 数据挖掘 半监督学习 主动学习 分类 图像检索
年,卷(期) 2013,(3) 所属期刊栏目 图形学与辅助设计
研究方向 页码范围 158-159
页数 2页 分类号 TP317.4
字数 2596字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 武永成 荆楚理工学院计算机工程学院 18 27 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
机器学习
数据挖掘
半监督学习
主动学习
分类
图像检索
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
软件导刊
月刊
1672-7800
42-1671/TP
16开
湖北省武汉市
38-431
2002
chi
出版文献量(篇)
9809
总下载数(次)
57
总被引数(次)
30383
论文1v1指导