登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
众包学习模型研究
  • 摘要

    近年来众包学习在机器学习和计算机视觉方面备受关注,但是存在不可靠标注者导致标注标签包含大量噪声.本文提出一种低秩矩阵填充算法(LRMC)来捕获标注者之间潜在相关性,并去除存在于识别标注之间的特定噪声.LRMC通过标签的低秩结构来利用存在于标签中潜在的相关信息,其中还可以获得标注者与问题的潜在的特征向量.实验结果表明,LRMC不但提高了众包学习的标注精度,并且与现有算法相比,在优化时间上也存在相应优势.

  • 作者

    吴琼 

  • 作者单位

    西安石油大学计算机学院,陕西西安,710065

  • 刊期

    2019年8期

  • 关键词

    低秩近似  矩阵填充  众包学习 

相似文献 查看更多>>
3.227.233.78