王少博
- 作品数：5 被引量：7H指数：1
- 供职机构：南京大学更多>>
- 发文基金：国家自然科学基金江苏省基础研究计划国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 面向关系利用的鲁棒图学习方法研究
- 关系在现实世界中无处不在。在机器学习研究领域，数据中有两类关系不容忽视:1）样本之间的关系;2）标记之间的关系。大量研究结果表明，对这两类关系的合理利用对提升训练模型的预测能力至关重要。 基于图的方法是关系利用的一类主...
- 王少博
- 关键词：鲁棒性半监督学习多标记学习
- 一种基于预测结果筛选的鲁棒数字图像标注方法
- 本发明公开了一种基于预测结果筛选的鲁棒机器学习方法，用于获得更可靠的数字图像标注结果。具体而言，本发明采用机器学习中的经典思想——最大化间隔原理，对待标注的数字图像在多种相似度度量下得到的预测结果进行筛选，选取其中间隔最...
- 李宇峰王少博周志华
- 文献传递
- 一种基于预测结果筛选的鲁棒数字图像标注方法
- 本发明公开了一种基于预测结果筛选的鲁棒机器学习方法，用于获得更可靠的数字图像标注结果。具体而言，本发明采用机器学习中的经典思想——最大化间隔原理，对待标注的数字图像在多种相似度度量下得到的预测结果进行筛选，选取其中间隔最...
- 李宇峰王少博周志华
- 面向类别比例偏移的半监督支持向量机方法被引量：1
- 2016年
- 当未标记数据与有标记数据类别比例偏移较大时,半监督支持向量机性能不佳.基于此情况,文中提出面向类别比例偏移的半监督支持向量机方法.首先估计未标记数据类中心,然后对多个类别比例下的类中心进行最坏情况集成,从而提升半监督支持向量机的性能保障.实验表明,文中方法有效提升半监督支持向量机在类别比例偏移时的性能保障.
- 李远肇王少博李宇峰
- 关键词：半监督学习
- 用于多标记学习的分类器圈方法被引量：6
- 2015年
- 如何利用标记间关系来提高学习性能,是多标记学习领域的一个重要问题.分类器链方法及其变型是解决这类问题的一个有效技术.然而,它的学习过程需要预先给定标记的学习次序,这个信息真实情况难以获得.次序选择不当会导致学习性能提高受限.针对这个问题,提出用于多标记学习的分类器圈方法.该方法随机生成标记的学习次序,通过圈结构依次迭代地更新每个标记的分类器.实验结果表明,该方法在多个数据集上取得了比分类器链方法以及一系列经典多标记学习方法更好的性能.
- 王少博李宇峰
- 关键词：多标记学习
