检索结果-内蒙古大学图书馆

浙江大学学报(工学版) 2025年第3期59卷 546-556,565页

作者：杨凯博钟铭恩谭佳威邓智颖周梦丽肖子佶厦门理工学院福建省客车先进设计与制造重点实验室福建厦门361024 厦门大学航空航天学院福建厦门361102

为了探索高性能的轻量级火灾烟雾检测算法,构建了包含9种火灾场景、3个烟雾类型的图像集MSIFSD,设计了深度卷积神经网络DeepSmoke.针对小规模稀薄烟雾检测困难的问题,提出高效特征聚合模块PM-C2f和部分混合最相关区域自注意力机制模块PM... 详细信息

为了探索高性能的轻量级火灾烟雾检测算法,构建了包含9种火灾场景、3个烟雾类型的图像集MSIFSD,设计了深度卷积神经网络DeepSmoke.针对小规模稀薄烟雾检测困难的问题,提出高效特征聚合模块PM-C2f和部分混合最相关区域自注意力机制模块PM-TF,PM-C2f模块用来整合各层次图像特征的上下文信息,PM-TF模块用于强化小规模稀薄烟雾的稀疏特征.针对DeepSmoke在不同场景下适应性不足的问题,提出使用伪标签分类器的半监督训练策略,利用大量未标注数据辅助模型训练,提升多类场景下的检测性能.实验结果表明,该算法针对小规模、稀薄烟雾和普通烟雾的检测准确率分别为88.2%、90.0%和98.3%,综合平均检测准确率为94.2%,均优于现有主流算法,且浮点运算量仅为9.3×109,体现了对边缘设备的友好性.

关键词：火灾烟雾检测深度学习半监督学习伪标签注意力

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的长尾时序动作检测

引用

软件学报 2025年第2期36卷 625-643页

作者：王雨虹武港山王利民计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

现实世界中的数据标签分布往往呈现长尾效应,即少部分类别占据绝大多数样本,时序动作检测问题也不例外.现有的时序动作检测方法往往缺乏对少样本类别的关注,即充分建模样本数量多的头部类别,而忽视了样本数量少的尾部类别.对长尾时序动... 详细信息

现实世界中的数据标签分布往往呈现长尾效应,即少部分类别占据绝大多数样本,时序动作检测问题也不例外.现有的时序动作检测方法往往缺乏对少样本类别的关注,即充分建模样本数量多的头部类别,而忽视了样本数量少的尾部类别.对长尾时序动作检测问题进行了系统的定义,并针对长尾时序动作检测问题,提出一种基于半监督学习的加权类别重平衡自训练方法,充分利用现实世界中存在的大规模无标签数据,来重平衡训练样本中的标签分布,改善模型对尾部类别的拟合效果.还针对时序动作检测任务,提出一种伪标签损失加权方法,使模型训练更加稳定.在THUMOS14和HACS Segments数据集上进行实验,并分别利用THUMOS15数据集和ActivityNet1.3数据集中的视频样本来构成相应的无标签数据集.此外,还针对视频审核应用需求,收集Dance数据集,包括35个动作类别、6632个有标签视频和13264个无标签视频,并保留数据分布显著的长尾效应.使用多种基线模型,在THUMOS14、HACS Segments和Dance数据集上进行实验.实验结果表明,所提出的加权类别重平衡自训练方法可以提高模型对尾部动作类别的检测效果,并且能应用于不同的基线时序动作检测模型提升其性能.

关键词：视频分析时序动作检测深度长尾学习半监督学习

来源：评论

学校读者我要写书评

暂无评论

基于伪标签式半监督学习的烟叶田间成熟度鉴定

引用

烟草科技 2025年第1期58卷 103-112页

作者：田涛陈洋薛超群孙彤许鑫杨永锋王高杰姚倩乔红波河南中烟工业有限责任公司技术中心郑州市450016 河南农业大学信息管理科学学院郑州市450046 中国烟草总公司郑州烟草研究院郑州450001

为了以低标注成本方式实现烟叶田间成熟度的准确判别,提出一种基于自适应阈值伪标签和一致性正则化的半监督烟叶田间成熟度图像分类模型。通过引入伪标签质量综合评价指标,用于评估样本的时序置信度和时序稳定度,并设计了一个动态自适... 详细信息

为了以低标注成本方式实现烟叶田间成熟度的准确判别,提出一种基于自适应阈值伪标签和一致性正则化的半监督烟叶田间成熟度图像分类模型。通过引入伪标签质量综合评价指标,用于评估样本的时序置信度和时序稳定度,并设计了一个动态自适应的伪标签阈值。该阈值能够根据模型的不同学习状态自适应调整,从而引入更多置信度低的样本,为模型提供更丰富的有效样本信息。通过对未标记样本执行不同数据增强后的一致性正则化,以约束模型对未标记样本保持预测一致性。与传统半监督模型进行对比测试,结果表明:该模型能够在减少人工标记成本的同时有效实现烟叶田间成熟度的准确分类,在仅利用30%初始化标记样本情况下,对下部叶、中部叶、上部叶3个数据集的识别准确率分别达到91.1%、90.3%和87.9%,优于传统半监督模型性能。该技术可为实现烟叶田间成熟度准确和快速判别提供支持。

关键词：烟叶田间成熟度半监督学习伪标签一致性正则化分类模型

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的双流多层次畸形牙颌模型语义分割方法

引用

计算机辅助设计与图形学学报 2025年

作者：马天翟洁晨魏晓媛冷應庆李远成西安科技大学计算机科学与技术学院

针对基于深度学习的牙颌分割方法泛化能力欠佳，且难以分割各种极端畸形牙颌等问题，提出一种基于半监督学习的双流多层次畸形牙颌模型语义分割方法.首先针对畸形牙颌在牙龈区域的大量褶皱，改进网格谱聚类算法，通过凝聚网格层次聚类... 详细信息

针对基于深度学习的牙颌分割方法泛化能力欠佳，且难以分割各种极端畸形牙颌等问题，提出一种基于半监督学习的双流多层次畸形牙颌模型语义分割方法.首先针对畸形牙颌在牙龈区域的大量褶皱，改进网格谱聚类算法，通过凝聚网格层次聚类算法生成自监督信号;然后提取邻域特征增强牙颌关键信息，通过多层次残差块设计局部特征处理流，以细化牙颌局部边界，并联结多尺度偏置注意力形成全局特征提取流，以识别畸形牙齿语义信息;最后融合双流特征进行牙颌分割.实验结果表明，在40%标注数据的前提下，所提方法较代表性的半监督方法在准确率上提升了9.29个百分点在计算量上降低了91.49%，接近性能较优的全监督方法的分割精度和效率，可更好地满足虚拟正畸系统的智能化发展需求.

关键词：虚拟正畸牙颌模型分割自监督信号半监督学习

来源：评论

学校读者我要写书评

暂无评论

结合主动学习和半监督学习的软件可追踪性恢复框架

引用

软件学报 2025年第5期 1924-1948页

作者：董黎明张贺孟庆龙匡宏宇南京大学软件学院计算机软件新技术国家重点实验室(南京大学)

软件可追踪性被认为是软件开发过程可信的一个重要因素,确保对软件开发过程的可见性并进行全面追踪,从而提高软件的可信度和可靠性.近年来,自动化的软件可追踪性恢复方法取得了显著进展,但在企业项目中的应用仍面临挑战.通过调研研究和... 详细信息

软件可追踪性被认为是软件开发过程可信的一个重要因素,确保对软件开发过程的可见性并进行全面追踪,从而提高软件的可信度和可靠性.近年来,自动化的软件可追踪性恢复方法取得了显著进展,但在企业项目中的应用仍面临挑战.通过调研研究和实验案例分析,发现工业界场景中可追踪性模型表现不佳的3个关键挑战:原始数据低质量、样本稀疏性和不平衡性,并提出一种结合主动学习和半监督学习的软件可追踪性恢复框架STRACE(AL+SSL).该框架通过选择有价值的标注样本和生成高质量的伪标签样本,有效利用未标注的样本,克服数据低质量和稀疏性挑战.实验基于10个样本规模在几万至近百万个issue-commit跟踪对实例的企业项目,进行多组对比实验,结果表明该框架在当前真实企业项目软件可追踪性恢复任务上具有有效性.其中消融实验结果表明STRACE(AL+SSL)中主动学习模块所选择的无标签样本在可追踪性恢复任务中发挥了更为重要的作用.此外,还验证各个模块最佳的样本选择策略组合,包括调整后的半监督类平衡自训练样本选择策略CBST-Adjust和低成本高效率的主动学习子模块互信息SMI＿Flqmi样本选择策略.

关键词：软件可追踪性主动学习半监督学习

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的煤层钻孔预抽瓦斯状态评价方法

引用

工矿自动化 2025年第3期51卷 113-121页

作者：晏立文虎王振平金永飞西安科技大学安全科学与工程学院陕西西安710054 西安天河矿业科技有限责任公司陕西西安710054 西安科技大学西部矿井开采及灾害防治教育部重点实验室陕西西安710054

目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价。针对上述问题,提出一种基... 详细信息

目前单一钻孔抽采状态评价方法通常依赖于瓦斯抽采浓度,而忽视了煤层瓦斯赋存的多样性。监督学习模型依赖于样本的特征标记,在样本量较大时,人工标注的成本较高;无监督学习模型缺乏样本标记,无法实现定性评价。针对上述问题,提出一种基于半监督学习的煤层钻孔预抽瓦斯状态评价方法。构建了包含甲烷浓度、抽采负压、环境温度等8项指标的多维度评价体系,采用层次分析法(AHP)与模糊评价法(FEM)结合的权重赋值方法,建立抽采效果等级划分标准。在此基础上,提出基于高斯混合模型(GMM)与K-Means算法的半监督学习模型(SSGMM/SSK-Means),通过融合少量人工标注样本与大量未标注数据,实现单一钻孔抽采状态的动态分类。SSGMM聚集度更好,SSK-Means效率更高,形成“精度-效率”的互补关系。在陕西黄陵二号煤矿215工作面的应用结果表明:SSGMM和SSK-Means的最大聚集度(MVCR)和修正Rand指数(ARI)分别达82.64%和85.83%,显著优于传统聚类方法;通过动态反馈机制优化后,原等级为“差”的钻孔抽采效率提升5.26%~5.80%,补差率达100%。

关键词：煤层瓦斯抽采效果评价半监督学习层次分析法模糊评价法高斯混合模型 K-Means算法

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的抽油机井故障诊断方法研究

引用

钻采工艺 2025年第1期48卷 228-237页

作者：何岩峰王相褚宪翔邵志伟李明常州大学石油与天然气工程学院中国石化江苏油田分公司采油二厂

近年来,基于深度学习的油井故障诊断方法取得了显著进展,但这类方法的性能高度依赖标注样本集的数量和质量,且深度学习模型经过训练后可诊断的故障类型被固定,增加新类型需要重新收集样本并进行再训练,灵活性不足。为解决上述问题,文章... 详细信息

近年来,基于深度学习的油井故障诊断方法取得了显著进展,但这类方法的性能高度依赖标注样本集的数量和质量,且深度学习模型经过训练后可诊断的故障类型被固定,增加新类型需要重新收集样本并进行再训练,灵活性不足。为解决上述问题,文章提出了一种基于半监督学习的抽油机井故障诊断方法。该方法利用VGG19与小批量K均值相结合对大量示功图进行自动聚类分析,通过对聚类结果实施批量标注,能够有效提升样本分类的科学性及标注效率。在此基础上,构建基于欧氏距离的K近邻算法实现故障诊断,避免了深度学习方法中繁琐的模型训练及参数调优过程,同时支持样本集动态更新。基于矿场实际数据的实验结果显示,所提出的半监督学习诊断方法可达到与深度学习方法相当的准确率(均超过90%),但在前期准备阶段所需的时间成本减少了90%以上。更重要的是,当面对新出现的故障类型时,本方法能够快速响应并适应,极大地增强了抽油机井故障诊断系统的灵活性。

关键词：抽油机井故障诊断示功图机器学习半监督学习

来源：评论

学校读者我要写书评

暂无评论

基于深度半监督学习的目标检测技术综述

引用

电讯技术 2025年第3期65卷 484-494页

作者：何智杰肖玮刘南清高甲博柯学良曲乃铸中国人民解放军陆军勤务学院重庆401311 中国人民解放军31680部队四川崇州611233 西南交通大学信息科学与技术学院成都610031

基于深度半监督学习的目标检测技术利用少量带标注信息的样本和大量无标注信息的样本进行模型训练,可减少对标注样本的依赖,提高准确性和效率。首先介绍了基于深度半监督学习的目标检测理论,依据损失函数和模式设计方式的不同对其方法... 详细信息

基于深度半监督学习的目标检测技术利用少量带标注信息的样本和大量无标注信息的样本进行模型训练,可减少对标注样本的依赖,提高准确性和效率。首先介绍了基于深度半监督学习的目标检测理论,依据损失函数和模式设计方式的不同对其方法进行了分类,然后基于MS-COCO和Pascal VOC数据集对典型方法进行了性能对比,最后分析了其挑战和发展趋势,旨在为相关研究提供参考。

关键词：目标检测深度半监督学习半监督学习深度学习

来源：评论

学校读者我要写书评

暂无评论

基于半监督学习的单视角点云三维人体姿态与形状估计

引用

图学学报 2025年第2期46卷 393-401页

作者：方程浩王康侃南京理工大学高维信息智能感知与系统教育部重点实验室江苏南京210094

在有限标签样本的条件下,单视角点云的三维人体姿态和形状估计一直存在模型估计精度低、泛化能力弱等问题。现有的方法通常采用微调方法优化模型,但对新样本的微调步骤大大增加了运行复杂度,本质上没有提高模型的泛化能力。为解决以上问... 详细信息

在有限标签样本的条件下,单视角点云的三维人体姿态和形状估计一直存在模型估计精度低、泛化能力弱等问题。现有的方法通常采用微调方法优化模型,但对新样本的微调步骤大大增加了运行复杂度,本质上没有提高模型的泛化能力。为解决以上问题,提出了一种基于半监督学习的三维人体姿态与形状估计方法,在有限的标签数据条件下,利用大量无标签人体点云数据提高模型估计精度和泛化能力。具体地,首先对无标签数据进行弱增强和强增强,同时估计2种增强样本的三维人体参数模型。然后对弱增强样本的预测结果进行伪标签准确性判断,并基于一致性正则化思想约束强增强样本的预测结果,以迭代方式逐步优化伪标签质量和增加用于训练的伪标签数量,进而提升模型的估计精度。该算法在多种公开数据集上做了充分的定量和定性实验,实验结果证明该算法在有限标签样本的条件下提高了三维人体姿态和形状的估计精度,并增强了模型的泛化性能。

关键词：三维人体姿态与形状估计单视角点云半监督学习伪标签点云数据增强

来源：评论

学校读者我要写书评

暂无评论

基于特征融合与改进半监督学习的变转速轴承故障诊断

引用

组合机床与自动化加工技术 2025年第1期 132-137页

作者：荆新岚黄民马超北京信息科技大学机电工程学院北京100192 北京信息科技大学现代测控教育部重点实验室北京100192

针对实际变转速工况下,故障标签样本数据有限、信息特征挖掘不充分的问题,提出一种基于特征融合与改进半监督学习的故障诊断方法。首先,使用等角度重采样将时域非平稳信号变为平稳的角域信号;其次,使用Welch变换和离散小波变换从频域和... 详细信息

针对实际变转速工况下,故障标签样本数据有限、信息特征挖掘不充分的问题,提出一种基于特征融合与改进半监督学习的故障诊断方法。首先,使用等角度重采样将时域非平稳信号变为平稳的角域信号;其次,使用Welch变换和离散小波变换从频域和时频域串联提取特征;最后,通过知识蒸馏改进半监督学习来训练、验证、分类轴承故障。在某大学轴承公开数据集进行实验,证明该方法在2%的低标签率场景下,能取得较高准确率,同时减少计算成本。

关键词：轴承故障诊断变转速工况半监督学习特征融合

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：