-
公开(公告)号:CN118228142A
公开(公告)日:2024-06-21
申请号:CN202410650118.2
申请日:2024-05-24
Applicant: 浙江大学
IPC: G06F18/2415 , G06F18/213 , G06F18/22 , G06N3/0495
Abstract: 本发明公开了一种基于特征校正的结构化数据新类别识别方法及装置,包括:获取有标注样本集和无标注样本集,将每一个样本输入表征编码器,得到样本表征;根据神经网络坍缩现象,生成预分配的单纯形等角紧凑结构作为目标化最优分类头;为无标注样本集中的样本生成初步伪标签,对初步伪标签进行细粒度修正,得到硬标签;基于目标化最优分类头和样本标签,对样本表征进行校正;根据校正后的样本表征和对应的标签,进行基于损失大小关系的标签过滤;使用过滤后的标签及其对应的样本进行半监督训练,更新表征编码器参数;所述半监督模型包括训练好的表征编码器和目标化最优分类头,用于新类样本识别。本发明大幅度提升结构化数据新类别识别准确率。
-
公开(公告)号:CN117312884A
公开(公告)日:2023-12-29
申请号:CN202311269018.7
申请日:2023-09-28
Applicant: 浙江大学
Abstract: 本发明公开了车辆轨迹恢复技术领域的一种基于联合表达特征聚类的车辆轨迹恢复方法,获取车辆快照,基于快照的时间和空间信息经过时空特征映射模块得到时空特征,再构建联合特征内积空间计算相似度,最后通过快速增量聚类方法得到车辆快照类簇,输出估计得到的车辆快照ID。本发明算法扩展了特征空间并重新定义了度量空间,可以有效地获得更优的结果,且能够处理可扩展性的数据流。我们设计的快速增量聚类的方法可以适用于不同分布特征的快照集合,提升轨迹恢复的效果。
-