- 年份
- 2025（2）
- 2024（5）
- 2023（7）
- 2022（13）
- 2021（3）
- 2020（8）
- 2019（10）
- 2018（10）
- 2017（9）
- 2016（9）
- 更多...
- 核心收录
- 中国科技论文与引文数据库(CSTPCD)（81）
- 北京大学中文核心期刊目录(北大核心)（58）
- 中国科学引文数据库(CSCD)（42）
- 中国人文社会科学引文数据库(CHSSCD)（1）
- 中文社会科学引文索引(CSSCI)（1）
- 更多...
- 刊名
- 计算机应用研究（14）
- 计算机工程（7）
- 计算机工程与应用（7）
- 计算机应用与软件（7）
- 计算机工程与科学（5）
- 计算机科学与探索（5）
- 计算机与数字工程（3）
- 计算机技术与发展（3）
- 软件导刊（3）
- 南京大学学报（自然科学版）（2）
- 更多...
- 作者单位
- 哈尔滨工程大学（4）
- 中国科学技术大学（3）
- 南京邮电大学（3）
- 山西大学（3）
- 华侨大学（2）
- 天津科技大学（2）
- 太原理工大学（2）
- 山东建筑大学（2）
- 昆明理工大学（2）
- 江南大学（2）
- 更多...
- 语种
- 汉语（94）
- 关键词
- 标签传播（94）
- 社区发现（20）
- 重叠社区（14）
- 复杂网络（13）
- 半监督学习（7）
- 半监督（6）
- 社交网络（6）
- 密度峰值聚类（5）
- 社区结构（5）
- 节点重要性（5）
- 更多...
- 作者
- 张健沛（4）
- 李玲娟（3）
- 杨静（3）
- 付立东（2）
- 余正涛（2）
- 刘佳会（2）
- 孙明（2）
- 宋传超（2）
- 宋琛（2）
- 张网娟（2）
- 更多...
相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
共找到 94 条结果
- 基于自适应图学习的半监督特征选择北大核心CSTPCD摘要：随着数据特征维数的增加,如何在少量有标签和大量无标签高维样本的情况下选择相关的特征子集已成为特征选择领域的热点问题.针对现有半监督特征选择算法直接忽略特征选择与局部结构学习之间的相互作用,从而难以有效获取样本分布结构的问题,本文提出了一种基于自适应图学习的半监督特征选择(Semi-supervised Fea?ture Selection with Adaptive Graph learning,SFSAG)算法.利用标签传播将特征空…查看全部>>
- 基于核心节点逐层扩展的标签传播社区发现方法CSTPCD摘要：随着社交媒体的快速兴起,计算效率较高的标签传播算法已经得到广泛的使用。然而,现有的标签传播算法在节点初始化时未能考虑节点之间存在的差异性,存在随机性高、稳定性低的缺陷。因此,论文给出了一种基于核心节点逐层扩展的标签传播算法。将LeaderRank算法模型融入到本方法模型中,在此基础上计算出节点重要性;进而以重要性作为衡量标准,将其中重要度较高的核心节点筛选出来形成传播初始源,以减少标签传播过程中的时间损耗;最后,依据改进了节点重…查看全部>>
- 一种基于局部回路的标签传播改进算法CSCDCSTPCD
- 基于答案辅助的半监督问题分类方法北大核心CSCDCSTPCD摘要：问题分类旨在对问题的类型进行自动分类,该任务是问答系统研究的一项基本任务.提出了一种基于答案辅助的半监督问题分类方法.首先,将答案特征结合问题特征一起实现样本表示;然后,利用标签传播方法对已标注问题训练分类器,自动标注未标注问题的类别;最后,将初始标注的问题和自动标注的问题合并作为训练样本,利用最大熵模型对问题的测试文本进行分类.实验结果表明,本文提出的基于答案辅助的半监督分类方法能够充分利用未标注样本提升性能,明显优于其他的基准方法.
- 融合多粒度注意力特征的小样本分类模型北大核心CSTPCD摘要：在小样本分类任务中,现有的CNN模型存在特征提取不足、特征单一和小样本数据集类间差异化较弱的问题,导致分类精度较低.针对以上问题,提出一种融合多粒度注意力特征(fusion multi-granular attention fea-ture,FMAF)的小样本分类模型.首先,该方法借鉴多粒度思想,重新设计CNN特征提取网络的架构来增强特征多样性;其次,在多粒度特征提取网络后添加自注意力层,提取多粒度图像特征中的关键特征,在多粒度注意力…查看全部>>
- 基于社区结构的女巫攻击检测CSTPCD
- 基于密度峰值的标签传播算法CSTPCD摘要：随着智能技术应用的推广,高质量社区的检测已成为社会网络研究的热点之一.由于具有线性时间复杂度,且无需预定义目标函数和社团数,标签传播算法(LPA)已得到广泛关注.然而,在标签传播过程中,LPA具有不确定性和随机性,进而影响检测社区结果的准确性和稳定性.为此,提出一种基于密度峰值的标签传播社区检测方法(DPC-RWL).首先,采用密度峰值聚类算法查找出社区的核心节点集合,计算节点与核心节点集之间的权重,选取最大值为该节点赋予权值.最后,…查看全部>>
- 基于标签传播能力的改进LPA算法北大核心CSCDCSTPCD摘要：随着网络规模的不断增大,在时间复杂度上具有明显优势的标签传播算法受到广泛关注,但是其内在机制存在不确定性和随机性,导致社团发现结果不够准确和稳定.为此,提出一种新的改进标签传播算法.在K-shell分解算法的基础上,构造节点重要性计算方法,利用节点重要性分析标签传播算法中的标签传播能力,通过节点重要性排序和标签传播能力制定新的标签更新策略,得出最终的社团划分结果.在人工网络和真实网络上的实验结果表明,该算法有较高的准确性和稳定性.
- 基于半监督典型相关分析的多视图维数约简北大核心CSCDCSTPCD摘要：为了有效地在半监督多视图情景下进行维数约简，提出了使用非负低秩图进行标签传播的半监督典型相关分析方法。非负低秩图捕获的全局线性近邻可以利用直接邻居和间接可达邻居的信息维持全局簇结构，同时低秩的性质可以保持图的压缩表示。当无标签样本通过标签传播算法获得估计的标签信息后，在每个视图上构建软标签矩阵和概率类内散度矩阵，然后通过最大化不同视图同类样本间相关性的同时最小化每个视图低维特征空间类内变化来提升特征鉴别能力。实验结果表明，所提方法比已…查看全部>>
- 基于局部流形重构的半监督多视图图像分类北大核心CSCDCSTPCD摘要：为了在半监督情境下利用多视图特征中的信息提升分类性能，通过最小化输入特征向量的局部重构误差为以输入特征向量为顶点构建的图学习合适的边权重，将其用于半监督学习。通过将最小化输入特征向量的局部重构误差捕获到的输入数据的流形结构应用于半监督学习，有利于提升半监督学习中标签预测的准确性。对于训练样本图像的多视图特征的使用问题，借助于改进的典型相关分析技术学习更具鉴别性的多视图特征，将其有效融合并用于图像分类任务。实验结果表明，该方法能够在半监…查看全部>>