国产精品久久久久成人免费,欧美日韩精品一区亚洲欧美中文日韩,久久精品国产99久久久,18禁无遮拦无码国产在线播放,无码精品亚洲一二区,国产精品成人无毛AV,亚洲天堂久色视频在线观看

我校大數(shù)據(jù)與信息工程學院本科生論文被人工智能國際頂級學術會議收錄

發(fā)布時間:2024-12-28瀏覽次數(shù):10

貴大新聞網(wǎng)訊(大數(shù)據(jù)與信息工程學院) 近日,我校大數(shù)據(jù)與信息工程學院2021級信息管理與信息系統(tǒng)專業(yè)本科生謝武林以第一作者身份投稿的學術論文 UPDGD-Net: An Uncertainty-aware Pseudo-labeling and Dual Graph Driven Network for Incomplete Multi-view Multi-label Classification 被人工智能與多媒體領域國際頂級會議ACM MM 2024收錄。

ACM MM全稱為ACM國際多媒體會議(ACM International Conference on Multimedia),由美國計算機協(xié)會(ACM)主辦,是全球多媒體領域最具影響力的國際頂級學術會議之一,享有很高的國際學術聲譽。在中國計算機學會(CCF)推薦的國際學術會議中,ACM MM為多媒體與人工智能領域的A類會議;在谷歌學術公布的最新學術出版物影響力榜單中,ACM MM在多媒體及相關領域的所有學術出版物中h5-index為 101。

謝武林的主要研究方向包括多視圖學習、多標簽分類與機器學習。他表示,此次論文取得的成績,要感謝學校提供的良好環(huán)境和資源,感謝大數(shù)據(jù)與信息工程學院盧曉寰老師的悉心指導和同學們的鼓勵支持。從研究工作的開展到論文寫作的打磨,不僅提升了他的學術能力,更培養(yǎng)了他的毅力和獨立思考能力,深刻體會到學術研究的嚴謹性和重要性。他將以此為新起點,繼續(xù)努力,在學術道路上不斷探索前行。

延伸閱讀:

隨著數(shù)據(jù)獲取技術的發(fā)展,來自不同來源的多視圖數(shù)據(jù)能夠提供更細致和多樣化的對象表示。例如,一幅圖像可以用SIFT、Gist和HSV等多種不同的特征提取方法來表示。因此,多視圖學習已成為數(shù)據(jù)分析領域的重要方法,許多相關工作基于子空間學習和矩陣分解提出了多種方法。

另一方面,作為經(jīng)典的分類問題,多標簽分類(MLC)長期以來在模式識別領域中占據(jù)重要地位。與要求標簽之間互斥的單標簽數(shù)據(jù)不同,多標簽數(shù)據(jù)包含多個類別標簽,并自然地保持復雜的標簽相關性。例如,一張圖片可能包含“霓虹燈招牌”“人行道”和“行駛車輛”等多個元素,每個元素都有助于對場景的更全面理解。然而,傳統(tǒng)的多標簽分類方法主要依賴于單一視角提取的特征,限制了其性能。通過將多視圖學習整合到多標簽分類中,可以有效緩解這一限制。因此,復合多視圖多標簽分類(MvMLC)應運而生,并吸引了越來越多研究者的關注。

然而,MvMLC面臨的一個重大挑戰(zhàn)是數(shù)據(jù)的不完整性,既包括視圖的不完整也包括標簽的不完整。這一挑戰(zhàn)直接導致了不完整多視圖多標簽分類(iMvMLC)的必要性,該任務關注于在某些視圖或標簽缺失的情況下進行分類。為了解決這一問題,該篇文章提出了一種不確定性感知的偽標簽生成與雙圖驅動網(wǎng)絡(UPDGD-Net)。不同于現(xiàn)有方法,UPDGD-Net通過不確定性感知的偽標簽生成策略填補缺失標簽,并利用填補后的標簽矩陣對模型提取的高維特征施加雙圖約束,從而保持原始數(shù)據(jù)的內在結構。此外,該文設計了兩個基于Transformer的模塊,分別用于跨視圖聚合和多標簽分類,并在跨視圖聚合模塊中應用了平均視圖標記(AVT),以更好地學習多視圖之間的一致信息。實驗結果表明,UPDGD-Net在五個數(shù)據(jù)集上的表現(xiàn)優(yōu)于其他最先進的方法,驗證了其有效性。


編輯:張蟬

責編:李旭鋒

編審:丁龍


国产精品久久久久成人免费,欧美日韩精品一区亚洲欧美中文日韩,久久精品国产99久久久,18禁无遮拦无码国产在线播放