于立萍
- 作品数：6 被引量：13H指数：2
- 供职机构：山东工商学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 一种基于有监督主题模型的文本分类方法及系统
- 本公开提供了一种基于有监督主题模型的文本分类方法及系统。其中，一种基于有监督主题模型的文本分类方法，包括：构建SLDA‑TC文本分类模型；在训练SLDA‑TC文本分类模型的过程中，按照SLDA‑TC‑Gibbs算法对每个...
- 唐焕玲窦全胜于立萍宋英杰鲁眀羽
- 文献传递
- 有监督主题模型的SLDA-TC文本分类新方法被引量：10
- 2019年
- 本文提出了一种有监督主题模型的SLDA-TC(Super vised LDA-Text Categorization)文本分类方法,引入主题-类别概率分布参数,识别主题-类别的语义信息;提出SLDA-TC-Gibbs主题采样新方法,对每个词的隐含主题采样,只从该词所在文档的同类其它文档中采样,并给出了理论推导;另外,其主题数只需略大于类别数.实验表明,对比LDA-TC(LDA-Text Categorization)和SVM算法,本方法能提高分类精度和时间性能.
- 唐焕玲窦全胜窦全胜宋英杰于立萍
- 关键词：文本分类主题模型
- 基于分类一致性的迁移学习及其在行人检测中的应用被引量：2
- 2013年
- 利用迁移学习解决在特定场景下尤其是在摄像头静止的监控场景下的行人检测问题,提出基于分类一致性的学习模型。利用Boosting技术从辅助训练集中选择具有正迁移能力的样本,对样本迁移能力给出了基于辅助分类器分类一致性的熵度量方法。对比实验表明,该学习模型能够有效地提高检测率,尤其是在标记样本较少的情况下仍得到了较好的检测效果。
- 于立萍唐焕玲
- 关键词：BOOSTING行人检测
- 一种融合迁移学习与主题模型的文本分类方法及系统
- 本发明公开了一种融合迁移学习与主题模型的文本分类方法及系统，包括：建立共享主题知识的迁移主题模型Tr‑SLDA；模型训练过程中在源域与目标域数据各自类别标签的约束下，将其采样到同一主题空间中，有效的缓解由于目标域与源域数...
- 唐焕玲郑涵窦全胜宋英杰于立萍鲁明羽
- 文献传递
- 融合迁移学习的TranCo-Training分类模型被引量：1
- 2013年
- 半监督学习中当未标注样本与标注样本分布不同时,将导致分类器偏离目标数据的主题,降低分类器的正确性.文中采用迁移学习技术,提出一种TranCo-Training分类模型.每次迭代,根据每个未标注样本与其近邻标注样本的分类一致性计算其迁移能力,并根据迁移能力从辅助数据集向目标数据集迁移实例.理论分析表明,辅助样本的迁移能力与其训练错误损失成反比,该方法能将训练错误损失最小化,避免负迁移,从而解决半监督学习中的主题偏离问题.实验表明,TranCo-Training优于随机选择未标注样本的RdCo-Training算法,尤其是给定少量的标注目标样本和大量的辅助未标注样本时.
- 唐焕玲于立萍鲁明羽
- 关键词：半监督学习朴素贝叶斯文本分类
- 一种基于有监督主题模型的文本分类方法及系统
- 本公开提供了一种基于有监督主题模型的文本分类方法及系统。其中，一种基于有监督主题模型的文本分类方法，包括：构建SLDA‑TC文本分类模型；在训练SLDA‑TC文本分类模型的过程中，按照SLDA‑TC‑Gibbs算法对每个...
- 唐焕玲窦全胜于立萍宋英杰鲁眀羽
- 文献传递
