- 利用类层次结构进行度量引导的原型学习
本文提出了一种基于成本矩阵和原型网络的层次分类方法，其通过在嵌入空间中排列类原型来表征层次结构，并在四个公共数据集上验证了该方法的效果。
- ACL电子商务系统中基于深度分层分类的类别预测
提出在电子商务系统中利用神经网络构建深度分层分类框架进行自动分类预测，定义多层次分类树的表示共享策略，引入新的联合损失函数对分层分类进行惩罚，实验证明该方法在分类准确率方面优于现有方法。
- 浅层和分层分类中的胸部 X 光图像 COVID-19 鉴定
本研究提出了一种使用只有 CXR 图像识别由 COVID-19 引起的肺炎的分类方案，并探索了多个纹理描述符和基础分类器的早期和晚期融合技术。使用 RyDLS-20 数据库进行实验，该数据库包含由不同病原体引起的肺炎的 CXR 图像以及健康 - KDD基于机器学习的可转位元件分层分类预测
该研究旨在通过比较不同机器学习方法的表现，提出一种基于支持向量机（SVM）的有效的转座因子（Transposable Elements）分类方法，以更准确地理解它们在基因组中的遗传和进化效应。
- AAAI使用二元数值的层次分类
本文通过在二元数据上进行简单分类，以有效分类分层数据。在某些场景下，尤其是一些类别比其他类别容易辨别时，具有计算和准确性优势。
- CVPR基于层次结构的视觉物体识别新颖性检测
研究了一种基于层次分类框架的、更加信息化的新颖性检测方案，该方案可以使用置信校准分类器和数据重新标记等方法，找到一个新类的最接近的超级类，并为其他常用语义嵌入提供了改进的泛化零 - shot 学习性能。
- CVPRNestedNet: 在深度神经网络中学习嵌套稀疏结构
本文提出了一种新的深度学习框架，称为嵌套稀疏网络，它利用神经网络中的 n-in-1 类型嵌套结构，实现资源感知的多功能体系结构，可以满足不同的资源要求，并利用层次分类实现了多任务学习。此外，我们还提出了有效的权重连接学习和通道和层次调度策略 - CVPR检测和分组相同对象的区域建议和分类
本文提出了一种利用无监督多实例对象发现算法提出物体提议，进而用于卷积神经网络的分类器，使得对于同一类对象的多个实例能够提高分类精度，同时还能分割成不同对象类型的子类别进行层次分类。
- 层次分类评估方法：统一视角和新方法
本文针对层次分类问题展开研究，分析和提取了现有性能度量的关键组成部分，提出了两种替代性通用层次评估视图和相应的新度量方法，并通过三个大型文本分类数据集的实证测试，表明所提出的方法在多种情况下能够克服现有方法的不良行为，并得到显著提高。
- 时变图和动态网络
本文旨在将分布式计算文献中的各种概念、形式主义和结果整合到一个统一框架中，我们将其称为时间变化图表（TVG），并概括性地介绍它们的分类和应用。