专利交易市场

一种基于ε‑贪心专家决策筛选的主动学习溯源攻击方法，来解决在单攻击者或单专家标注的情况太过理想的问题；考虑到传统主动学习攻击模型中可能存在单专家标注错误的问题，并且同时要将攻击模型和专家进行匹配，避免在标注过程中造成错误的样本标注，从而导致攻击资源的浪费，增大被系统发现的概率，建立一个攻击模型专家筛选算法；考虑到专家自身对采样样本和攻击模型也会有自身的理解，每时每刻可能也改变着标注决策，并不能保证自身标注的稳定性，建立基于ε‑贪心的专家决策优化算法，最终建立基于ε‑贪心专家决策筛选的主动学习溯源攻击算法，本发明提出的主动学习章提出的算法比其他主动学习算法具有较优的溯源攻击性能。

本发明公开一种基于多任务主动学习框架的鱼类投喂方法和装置，在多任务学习模型的基础上，融合主动学习框架，并结合信息熵和近似贝叶斯推理来分别计算摄食强度分类任务和残饵计数任务的不确定度分数，通过加权的方式计算总的不确定度分数选择主动学习过程中的待标记样本。通过标注专家与模型的交互训练，不仅能够以更少的训练样本来达到与完全监督学习近似的性能，同时使模型在交互过程中往往能够纠正人工标注中的错误，以达到数据标注成本的降低以及提升模型识别准确性的效果。

本发明公开了基于迁移学习和主动学习的SAR图像变化检测方法，具体包括如下步骤：对训练数据集进行滤波预处理，获取差异图像X；训练初始SVM分类器；利用SMI样本选择方法重新选择样本，增加样本多样性，利用训练得到的分类器对所有样本进行分类；不断循环主动学习过程，做是否满足循环停止条件判定，利用训练获得的SVM分类器对待检测数据集的后验概率，构建能量函数并进行优化，输出最终的变化检测结果。本发明采用加入了空间信息的样本选择策略提高样本选择的效率，进而提高变化检测的精度，可用于对环境变化的自动检测。