- 面向成本敏感的基于不确定性的物体检测故障识别
为了提高对象检测的准确性和安全性,研究提出了一种基于阈值和不确定性的成本敏感的对象检测框架,用于避免错误检测。通过分析不同类型的不确定性与检测错误之间的相关性和成本,该方法自动优化阈值以最大化对指定预算的错误识别率,在自动驾驶数据集上的评估 - 利用磁共振成像多特征整合灰白质信息对帕金森病患者亚型进行标记
使用基于互相关的最近邻(MKNN)阈值化方法对帕金森病患者的脑网络进行分析,并发现了不同亚型之间的显著差异。
- Oja 阈值处理是否实现稀疏 PCA?
稀疏主成分分析 (Sparse Principal Component Analysis, PCA) 的问题,当比率 $d/n
ightarrow c > 0$ 时进行研究。针对在线优化问题,我们提出一种简单的算法,通过阈值和重新归一化 - 通过最优传输表征超出分布误差
提出了一种新的利用最优传输理论来估计模型在无标签 out-of-distribution 数据上表现的方法,该方法称为置信度最优传输(COT),并且通过引入阈值处理的方法 Confidence Optimal Transport with - 线性回归混合物的鲁棒学习
本文考虑鲁棒学习多条线性回归的组合,通过简单的阈值设置把线性回归和高斯混合模型连接起来,得到了一个拥有更好鲁棒性的次多项式时间算法。
- 软骰子进行嘈杂图像分割
本文研究医学图像分割中最受欢迎的损失函数之一:Soft-Dice loss,专注于在目标标签中存在噪声的情况下提供最优解决方案,通过阈值处理将软分割转换为硬分割可最大化 Dice 系数,实验结果证实理论结果。
- CVPR学习占位符进行开放式识别
提出了一种用于开放集识别的算法 Proser,通过为未知类别分配占位符,以预测开放集类别数据,从而将闭集训练转换为开放集训练,同时保留分类器占位符以学习目标和非目标类之间的不变信息,并通过流形混合自适应地设置保留的开放集分类器的值。
- 稀疏主成分分析的近似算法
本文介绍了一种名为门限法的难以置信的精简主方向载荷方法,并将其与半定规划松弛相结合,以改进主成分分析的解释性。
- 学习多个非相互排斥任务,提高固有有序标签的分类能力
提出一种将分类问题重新表述的方法,使得多个阈值得到同时解决,从而利用多任务学习方法显著提高原分类器性能,从现有数据中有效提取信息。
- 卷积神经网络中类别不平衡问题的系统研究
本研究系统地研究了类别不平衡对卷积神经网络分类性能的影响,并比较了几种解决该问题的常用方法。在使用三个基准数据集进行实验的过程中,研究者发现类别不平衡对分类性能有不利影响,而通过过采样的方法可以提高分类性能。同时,该研究还发现阈值补偿在一定 - 使用阈值处理处理类别不平衡问题
该论文研究使用阈值设定来解决类别不平衡的问题,提出了一种函数阈值的概念,可以用于线性分类和非线性分类算法中,并针对制造业领域的异常检测问题进行分析和研究。
- 降维子空间聚类
本文探讨了三种基于稀疏信号恢复原理的子空间聚类算法在随机投影降维后的表现,发现在数据降维后仍能达到较好的聚类效果,进一步降维则会导致聚类问题无解。
- 非凸罚函数回归用于异常值检测
本文使用惩罚回归的方法对异常值检测问题进行研究,提出了一种基于阈值迭代的异常值检测方法,并通过大量实验表明,在各种情况下,该方法可以非常有效且准确地识别出异常值。
- 稀疏三角多项式的随机采样 II - 正交匹配追踪与基 Pursuit
本文研究了通过基 Pursuit 和 Orthogonal Matching Pursuit (OMP) 以及类似于阈值化技术的贪心算法来从少量样本中重构稀疏多元三角多项式的问题,并针对连续和离散概率模型提出了阈值化和 OMP 重构成功概率 - 草堆中的针和稻草:可能稀疏序列的经验贝叶斯估计
研究了一种基于经验贝叶斯方法的估计计算模型,可以适应稀疏和密集序列,使用这种模型可以实现多种类型和程度的稀疏度,包括 “几乎黑线性” 序列和规范化的 Lp 范数序列。结果表明,该方法在各类序列估计速率方面达到最优状态,并且能够自动适应底层信