- 年份
- 2024(7084)
- 2023(10281)
- 2022(8718)
- 2021(8351)
- 2020(7224)
- 2019(16835)
- 2018(16690)
- 2017(32416)
- 2016(16963)
- 2015(19186)
- 2014(18900)
- 2013(18037)
- 2012(16036)
- 2011(13954)
- 2010(13792)
- 2009(12445)
- 2008(11704)
- 2007(9813)
- 2006(8231)
- 2005(7053)
- 学科
- 济(65497)
- 经济(65404)
- 管理(50016)
- 业(46778)
- 企(39902)
- 企业(39902)
- 方法(34953)
- 数学(31724)
- 数学方法(31099)
- 财(17568)
- 制(16797)
- 中国(16223)
- 农(16140)
- 银(14089)
- 银行(14081)
- 业经(13737)
- 行(13429)
- 贸(12244)
- 贸易(12236)
- 易(11952)
- 地方(11891)
- 融(11599)
- 金融(11598)
- 学(11509)
- 务(11209)
- 财务(11150)
- 财务管理(11113)
- 理论(11110)
- 企业财务(10519)
- 农业(10415)
- 机构
- 大学(223487)
- 学院(223324)
- 管理(93154)
- 济(91252)
- 经济(89466)
- 理学(81339)
- 理学院(80573)
- 管理学(78939)
- 管理学院(78517)
- 研究(66461)
- 中国(54734)
- 京(44897)
- 财(42640)
- 科学(39644)
- 财经(34379)
- 中心(33721)
- 业大(31950)
- 江(31602)
- 农(31542)
- 经(31478)
- 所(30626)
- 经济学(28596)
- 研究所(27858)
- 北京(27348)
- 范(26991)
- 师范(26679)
- 财经大学(25996)
- 经济学院(25912)
- 院(25448)
- 州(25121)
- 基金
- 项目(160730)
- 科学(128702)
- 基金(119583)
- 研究(116989)
- 家(103723)
- 国家(102940)
- 科学基金(90710)
- 社会(75626)
- 社会科(71867)
- 社会科学(71852)
- 基金项目(63213)
- 省(62224)
- 自然(59660)
- 自然科(58385)
- 自然科学(58369)
- 自然科学基金(57299)
- 教育(55266)
- 划(52677)
- 资助(49044)
- 编号(46949)
- 成果(36248)
- 部(36054)
- 重点(35976)
- 创(34527)
- 发(33493)
- 创新(32314)
- 国家社会(31831)
- 教育部(31641)
- 课题(31608)
- 科研(31467)
共检索到314557条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 中国科学技术大学学报
[作者]
刘玮康 秦晓卫 卫国
网络数据流的精准业务识别是实现差异化服务的先决条件，常用的监督学习在构建训练数据集时因需要大量人力标注因而难以实施，基于少量标注数据的半监督学习成为研究的热点之一。自步协同训练(Self-paced Co-training)的半监督框架在处理未标记数据时采用了从易到难、多视角协同的方法，但该方法仅以置信度为选取依据给样本打伪标签，容易导致多视角的差异性在训练过程中逐步下降，从而引起协同增益下降、模型性能受限等问题。因此面向微信数据流识别问题，提出了一种基于模糊度的自步协同训练模型(Fuzziness Based Self-paced Co-training, FBSpaCo)，在标注伪标签时进一步引入模糊度评估机制，实验表明该模型在保证置信度的前提下有效的避免了训练过程中两视角差异性下降，较已有方法较大提升了识别准确度。
[期刊] 华中师范大学学报(自然科学版)
[作者]
王宇 李延晖
为提高少量样本情况下分类器的性能,提出一种基于多分类器协同的半监督样本选择方法,利用未标注样本实现样本增强,提高分类器泛化能力.依靠多分类器的互相监督和多分类器标签一致的原理,将已标记样本作为训练集,利用SVM和RF两个分类器协同训练,多分类器的类别标签和确定度值作为约束条件,从未标记样本集中筛选出最有代表性的样本构成增强样本集,以准确率为评价标准,验证本算法对分类器泛化性能的影响.本算法在手写数字数据集(Mnist字符库)和Landsat土壤数据集上测试,实验结果表明相比少量原始训练样本构建的分类器,增强样本构建分类器预测的全部类别准确率都得到提升.两个数据集的总体准确率分别提升5.97%和7.02%,Mnist数据集中数字5这类准确率提升最高(提升11.9%,从79.3%到91.2%),Landsat土壤数据集中土壤3这一类准确率提升最明显(提升15.8%,从73.5%到89.3%),结果证明了该算法显著提高了分类器的泛化性能.同时与经典的KNN、Co-training和Co-forest算法对比,所提出的算法能够最大限度地利用未标记样本信息,具有最好的精度表现,证明了该研究提出算法的优越性.
[期刊] 统计研究
[作者]
黎春 周振宇
随着我国金融市场的蓬勃发展,信用评价中的拒绝推断问题越来越受到重视。针对信用评分模型中存在的有类别标签的样本占比低,并且样本中的类别分布不平衡等问题,本文在半监督学习技术与集成学习理论的基础上,提出了一种新的算法——BCT算法。该算法通过使用动态Bagging生成多个子分类器,引入分类阈值参数来解决样本类别分布不平衡问题,以及设定早停止条件来避免算法迭代过程中存在的过拟合风险,以此对传统半监督协同训练法进行改进。通过在5个真实数据集上的实证分析发现,在不同数据集与不同拒绝比例下,BCT算法的性能均优于其他6种有监督学习和半监督学习算法的信用评分模型,显示了BCT算法具有良好的模型泛化性能和更高的模型评价能力。
[期刊] 统计与决策
[作者]
周鹏 刘河 黎隽男
自标记方法能用少量有标记样本和大量无标记样本来训练给定分类模型。误标记是自标记方法中的主要挑战。尽管学者们用数据剪辑技术去识别和移除在自标记方法迭代过程中被误预测的样本，但是许多数据剪辑技术严重依赖于特定假设。为了克服误标记问题和相关解决方案中的缺陷，文章提出一种基于近邻规则和粒子群优化的自标记方法 SLM-NNPSO。首先，SLM-NNPSO用有标记集去训练一个给定的分类模型。其次，SLM-NNPSO用近邻规则来发现具有高置信度的无标记样本，并用被训练的分类模型来预测他们。再次，SLM-NNPSO用粒子优化来识别和移除被误预测的样本，并把被正确预测的样本加入有标记集中。上述过程不断迭代，直到SLM-NNPSO没有发现具有高置信度的无标记样本。最后，SLM-NNPSO输出在迭代过程中被训练的分类模型。经仿真实验证明，就训练k近邻分类器的平均分类正确率而言，在来自销售市场、医学检测、图像识别等领域的12个真实数据集上，SLM-NNPSO优于5个流行的自标记方法。
[期刊] 统计与决策
[作者]
孙洁 景志敏 周欢
半监督自训练方法属于半监督自标记方法的一种，它能同时利用有标记样本和无标记样本来训练分类器。然而，对半监督自训练方法而言，误标记是一个不容忽视的问题。为此，文章提出了一种基于密度峰值聚类和相对距离的半监督自训练方法（STDPRD）。在迭代的自训练过程中，STDPRD首先用密度峰值聚类来选取具有高置信度的无标记样本，再标记他们；其次，STDPRD用相对距离来过滤掉在迭代过程中被误标记的样本；然后，STDPRD把在迭代过程中被正确标记的样本加入有标记集中；最后，STDPRD用被扩充的有标记集来训练给定的分类器，训练完成后，输出被训练的分类器。仿真实验结果表明，在真实数据集上，STDPRD的表现优于4种流行的半监督自训练方法。
关键词：
半监督学习 半监督分类 相对距离 误标记
[期刊] 中南林业科技大学学报
[作者]
宁重阳 汤梓桐 谢亦秋 戴颖成 李建军
【目的】森林火灾识别是避免森林火灾大面积蔓延的一项重要研究。随着深度学习的快速发展，基于卷积神经网络的模型因其在图像识别领域的优异表现，被广泛应用到森林火灾识别任务当中。然而，基于卷积神经网络的方法通常在标签数据不充分时，难以取得令人满意的森林火灾识别结果。【方法】本研究提出了一种基于视觉变换网络的自监督森林火灾识别模型（Self supervised forest fire identification model based on visual transformation network），来提高模型在标签稀缺情况下的森林火灾识别精度。具体来说，该模型采用视觉变换网络作为主干网络，通过视觉变换网络中的多头自注意力机制来捕获森林火灾图像的全局信息特征。并且引入自监督学习中的图像重建任务来辅助模型训练，从而减少模型对标签数据的依赖。模型通过对掩盖图像的特征恢复和重建学习相关语义信息。同时，本研究还提出了一种基于傅里叶低频混合变换的数据增强方法来提高模型的泛化性和鲁棒性。【结果】通过开展详细的实验来验证模型的有效性，结果表明，与其他常见的网络模型相比，FFDM模型在森林火灾识别任务中取得了最佳的识别效果，其识别准确率为89.51%，比VGG16网络高13.7%，比ResNet50网络高8.2%，比InceptionV3网络高7.2%。【结论】通过自监督学习辅助模型训练的方法，FFDM模型即使在标签稀缺下依然可以取得不错的森林火灾识别效果。
[期刊] 工业工程
[作者]
姚池 潘尔顺
针对电商网站中的大量非结构化、无标注的用户评论文本，运用两视图半监督学习方法对其进行分类，识别出涉及产品质量问题的内容，从而挖掘出其中隐含的产品质量缺陷与隐患。综合考虑词汇、情感、领域等多方面特征，构建文本特征视图和非文本特征视图，采用Co-training协同训练算法，依据是否涉及质量问题对评论进行分类。以电热水壶为例，爬取电商网站的评论数据进行实证分析。结果显示，本文方法的分类F1值和AUC值分别为82.18%和86.24%，相比于单视图监督学习分类器具有显著提升。
[期刊] 中国财政
[作者]
李燕 王佳文
今年两会，第十四届全国人民代表大会财政经济委员会对《关于2022年中央和地方预算执行情况与2023年中央和地方预算草案的报告》履行了审批职权，并提出了审查结果报告。报告对做好2023年预算执行和财政工作提出了具体要求，其中，特别是把“健全财会监督体系，完善工作机制，提升财会监督效能”作为严肃财经纪律要求中的一项建议重点提出，
关键词：
协同联动
[期刊] 软科学
[作者]
黄静 薛书田 肖进
将半监督学习技术与多分类器集成模型Bagging相结合,构建类别分布不平衡环境下基于Bagging的半监督集成模型(SSEBI),综合利用有、无类别标签的样本来提高模型的性能。该模型主要包括三个阶段:(1)从无类别标签数据集中选择性标记一部分样本并训练若干个基本分类器;(2)使用训练好的基本分类器对测试集样本进行分类;(3)对分类结果进行集成得到最终分类结果。在五个客户信用评估数据集上进行实证分析,结果表明本研究提出的SSEBI模型的有效性。
[期刊] 中国科学技术大学学报
[作者]
张杰 李琳 朱阁
金融机构结合消费者和商业信息来为企业进行信用打分.我国的企业特别是小微企业信用信息少,造成了只有少量企业拥有信用信息,而大量企业没有信用信息的局面.半监督支持向量机可以利用标记数据和未标记数据进行学习,同时可以克服信用数据类别不均衡和样本信息不足等问题.由于半监督支持向量机的参数对算法效果有较大影响,实际参数选取往往根据经验所得.为此提出了一种利用模拟退火(SA)优化基于确定性退火半监督支持向量机(DAS3VM)参数的SAS3VM算法.该算法在少量有标记信用数据的基础上,利用大量无标记信用数据辅助学习,使用模拟退火寻找最优参数.最后在两组企业信用数据集和三组个人信用数据集上进行对比实验,结果表明,半监督学习方法(DAS3VM和SAS3VM)优于监督学习方法,SAS3VM在准确率上比DAS3VM最大提升了13.108%.
[期刊] 清华大学学报(自然科学版)
[作者]
李宜爽 陈智聪 缪诗宇 苏祺 李琳 洪青阳
近年来,预训练模型(pre-trained models, PTMs)被广泛应用于说话人验证(speaker verification, SV)系统,通过在预训练模型下游接入说话人分类网络,并进行微调,可大幅提升系统性能。然而,目前基于预训练模型的SV研究大多在有标签的数据集上进行微调,需要大量目标域带标注数据。该文提出一种基于预训练模型的半监督说话人验证系统,首先,利用少量带标注数据训练一个种子模型;其次,利用该种子模型结合无监督聚类算法为无标注数据生成伪标签;再次,联合真实标注数据和伪标注数据进行模型重训练;最后,通过多轮迭代提升模型性能。在仅有100 h带标签说话人数据的条件下,该文提出的半监督系统在Vox Celeb1-O测试集的等错误率为1.02%,比基线系统降低了86.8%,表明该文所提出的半监督说话人验证系统的有效性。
[期刊] 软科学
[作者]
黄静 薛书田 肖进
将半监督学习技术与多分类器集成模型Bagging相结合,构建类别分布不平衡环境下基于Bagging的半监督集成模型(SSEBI),综合利用有、无类别标签的样本来提高模型的性能。该模型主要包括三个阶段:(1)从无类别标签数据集中选择性标记一部分样本并训练若干个基本分类器;(2)使用训练好的基本分类器对测试集样本进行分类;(3)对分类结果进行集成得到最终分类结果。在五个客户信用评估数据集上进行实证分析,结果表明本研究提出的SSEBI模型的有效性。
[期刊] 清华大学学报(自然科学版)
[作者]
屠守中 杨婧 赵林 朱小燕
社交网络中存在大量营销、招聘等垃圾信息以及无实质内容的短文,为话题建模工作带来很多干扰,更严重影响社交网络方面的学术研究及商业应用。因此,该文提出了一种结合支持向量机与k近邻模型(pSVM-kNN)的半监督话题噪声过滤方法。该方法融合了SVM和kNN算法,在SVM计算得到超平面的基础上使用kNN算法在局部范围内迭代寻找分类超平面的最优解;同时为减少误分类发生,分别在SVM和kNN阶段引入惩罚代价和比例权重,以提高噪声过滤的效果。通过选取新浪微博中不同大小的数据集进行实验与其他方法进行比较,结果表明:该方法只利用了少量的标注样本进行训练,在准确率、召回率和F值方面均优于其他的对比方法。
[期刊] 当代财经
[作者]
叶飞 徐学军
虚拟企业将是21世纪的重要的敏捷制造的组织模式。如何有效地监督成员企业高效地完成分配的任务将是虚拟企业成功运作的关键，但由于虚拟企业与传统企业具有许多不同的特性，为此虚拟企业的成员企业绩效考核也与传统企业有所不同，可根据虚拟企业的特性设计一种动态的虚拟企业绩效考核方法──基于虚拟企业的绩效协同模糊监控系统。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
