西安交通大学学报
西安交通大學學報
서안교통대학학보
JOURNAL OF XI'AN JIAOTONG UNIVERSITY
2013年
7期
96-101
,共6页
网络视频%异构信息%半监督分类
網絡視頻%異構信息%半鑑督分類
망락시빈%이구신식%반감독분류
web video%heterogeneous attribute%semi-supervised classification
针对大规模网络视频数据的学习需要考虑无标签数据和异构信息的问题,提出了一种基于视觉和文本异构信息的网络视频在线半监督学习方法.该方法将文本和视觉看作2个视图,采用图作为基分类器对每个视图进行建模,并利用线性邻域的传播算法来预测样本类别.在不同视图之间采用多图上的协同训练,利用未标记样本增量地更新基分类器,并根据类别相关的融合方法确定最终结果,从而提高了分类准确率.实验结果表明,该方法的结果优于支持向量机方法约8.3%,在线增量更新后,学习器的性能提高了约3%,因此比较适合于大规模视频数据的在线半监督学习.
針對大規模網絡視頻數據的學習需要攷慮無標籤數據和異構信息的問題,提齣瞭一種基于視覺和文本異構信息的網絡視頻在線半鑑督學習方法.該方法將文本和視覺看作2箇視圖,採用圖作為基分類器對每箇視圖進行建模,併利用線性鄰域的傳播算法來預測樣本類彆.在不同視圖之間採用多圖上的協同訓練,利用未標記樣本增量地更新基分類器,併根據類彆相關的融閤方法確定最終結果,從而提高瞭分類準確率.實驗結果錶明,該方法的結果優于支持嚮量機方法約8.3%,在線增量更新後,學習器的性能提高瞭約3%,因此比較適閤于大規模視頻數據的在線半鑑督學習.
침대대규모망락시빈수거적학습수요고필무표첨수거화이구신식적문제,제출료일충기우시각화문본이구신식적망락시빈재선반감독학습방법.해방법장문본화시각간작2개시도,채용도작위기분류기대매개시도진행건모,병이용선성린역적전파산법래예측양본유별.재불동시도지간채용다도상적협동훈련,이용미표기양본증량지경신기분류기,병근거유별상관적융합방법학정최종결과,종이제고료분류준학솔.실험결과표명,해방법적결과우우지지향량궤방법약8.3%,재선증량경신후,학습기적성능제고료약3%,인차비교괄합우대규모시빈수거적재선반감독학습.