{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,4,2]，“日期-时间”：“2024-04-02T06:02:14Z”，“时间戳”：1712037734436}，“参考-计数”：63，“出版商”：“Springer Science and Business Media LLC”“：”2021-06-26T00:00:00Z“，“timestamp”：1624665600000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.springer.com\/tdm”}，{“start”：{“date-parts”：[[2021,6,26]]，“date-time”：“2021-06-26T00:00:00Z”，“timetamp”：161466560000}，.com/tdm“}]，“出资人”：[{“DOI”：“10.13039\/100012542”，“名称”：“四川省科技支撑计划”，“doi-asserted-by”：“publisher”，“award”：[“2018GZDZX0031”]}：[“Neural Compute&Applic”]，“published-print”：{“date-parts”：[[2021,12]]}，“DOI”：“10.1007\/s00521-0621-w218-w”，“type”：“journal-article”，“created”：{“date-ports”：[2021,6,26]]，“date-time”：“2021-06-26T07:02:30Z”，“timestamp”：1624690950000}，”page“16181-16196”，“update-policy”：”http://\/dx。DOI.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：7，“title”：[“基于主题的标签分布学习利用标签歧义进行场景分类”]，“prefix”：“10.1007”，“volume”：“33”，“author”：[{“ORCID”：”http://\/ORCID.org\/00000-0002-7432-1531“，”authenticated-ORCID“：false，”given“：”Jianqiao“，”family“：”Luo“：“He”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Yang”，“family”：“Ou”，“serquence”:“additionable”，“abfiliation“：[]{”ORCID“：”http://\/ORCID.org\/00000-0003-1126-6165“，”authenticated-ORCID“：false，”given“：“Bailin”，“家庭”：“Li”，”sequence“：”additional“，“affaliation”:[]}.，{”givent“：”Kai“，”family“：“Wang”，”serquence“：”附加“，”从属“：[]}]，“member”：“297”，“published-online”：{“date-parts”：[[2021,6,26]]}，“reference”：[{“key”：“6218_CR1”，“doi-asserted-by”：“publisher”，《first page》：“1865”，“doi”：“10.1109\/JPROC.2017.2675998”，“volume”：”105“author”：“G Cheng”，“year”：“2017”，“unstructured”：“Cheng G，Han J，Lu X（2017）遥感影像场景分类：基准和状态艺术。Proc IEEE 105:1865\u20131883“，”journal-title“：”Proc EEE“}，{”key“：”6218_CR2“，”doi-asserted-by“：”publisher“，”first page“：“3965”，”doi“：”10.1109\/TGRS.2017.2685945“，“volume”：“55”，“author”：“GS Xia”，“year”：“2017”，“unstructured”：“Xia GS，Hu J，Hu F et al（2017）”AID：空中场景分类性能评估的基准数据集。IEEE Trans Geosci远程传感器55:3965\u20133981。https:\/\/doi.org\/10.109\/TGRS.2017.2685945“，”journal-title“：”IEEE Trans Geosci Remote Sens“}，{”key“：”6218_CR3“，”doi-asserted-by“：”publisher“，”first page“：“7894”，”doi“：”10.1109\/TGRS.2019.2917161“，”volume“57”，“author”：“X Lu”，“year”：“2019”，“unstructured”：“Lu X，Sun H，Zheng X（2019）一种用于遥感场景分类的特征聚合卷积神经网络。IEEE Trans Geosci远程传感器57:7894\u20137906。https:\/\/doi.org\/10.109\/tgrs.2019.2917161“，”journal-title“：”IEEE Trans Geosci Remote Sens“}，{”key“：”6218_CR4“，”doi-asserted-by“：”publisher“，”first page“：“2055”，“doi”：“10.1109\/TIP.2017.2675339”，“volume”：“26”，“author”：“L Wang”，“year”：“2017”，“unstructured”：“Wang L，Guo S，Huang W et al（2017）”基于知识引导的多分辨率CNN大规模场景分类消歧。IEEE传输图像处理26:2055\u20132068。https:\/\/doi.org\/10.109\/TIP.2017.2675339“，”journal-title“：”IEEE Trans-Image Process“}，{”key“：”6218_CR5“，”doi-asserted-by“：”publisher“，”unstructured“：”Lei Y，Dong Y，Xiong F et al（2018）模糊分类的模糊加权损失。参加：VCIP 2018-IEEE视觉通信和图像处理国际会议。https:\/\/doi.org/10.1109\/VCVP.2018.8698693“，”doi“：”10.1109\/VCVP.2018.8698693“｝，｛”key“：”6218_CR6“，”doi断言“：”publisher“，”first page“：”1734“，”doi“：”10.1109\/TKDE.2016.2545658“，”volume“：”28“，”author“：”X耿“，”year“：”2016“，”nonstructured“：”耿X（2016）标签分发学习。IEEE Trans Knoll Data Eng 28:1734 \u20131748。https:\/\/doi.org\/10.109\/TKDE.2016.2545658“，”journal-title“：”IEEE Trans Knowl Data Eng“}，{”key“：”6218_CR7“，”doi-asserted-by“：”publisher“，”first page“：“2825”，“doi”：“10.1109\/TIP.2017.2689998”，“volume”：“26”，“author”：“GB Bin”，“year”：“2017”，“unstructured”：“Bin GB，Xing C，Xie C et al（2017）具有标签模糊性的深度标签分布学习。IEEE传输图像处理26:2825\u20132838。https:\/\/doi.org\/10.109\/TIP.2017.2689998“，”journal-title“：”IEEE Trans-Image Process“}，{“key”：“6218_CR8”，“doi-asserted-by”：“publisher”，“first page”：”5691“，”doi“：”10.1109\/TIP.2019.2922818“，”volume“：”28“，”author“：”M Ling“，”year“：”2019“，”unstructured“：”Ling M，Geng X（2019）室内人群计数通过混合高斯标签分布学习。IEEE传输图像处理28:5691\u20135701。https:\/\/doi.org\/10.109\/TIP.2019.2922818“，“journal-title”：“IEEE Trans-Image Process”}，{“key”：“6218_CR9”，“doi-asserted-by”：“publisher”，“unstructured”：“杨J，Chen L，Zhang L等人（2018）通过标签分布学习对绘画图像进行基于历史上下文的风格分类。2018年MM——2018年ACM多媒体会议记录。第1154\u20131162页。https:\/\/doi.org\/10.1145\/3240508.3240593“，”doi“：”10.1145\/3240508.3240593“}，{”key“：”6218_CR10“，”doi-asserted-by“：”publisher“，”unstructured“：”Gao BB，Zhou HY，Wu J，Geng X（2018）使用标签分布学习期望进行年龄估计。In:IJCAI国际人工智能联合会议。pp 712\u2013718。https:\/\/doi.org\/10.24963\/ijcai.2018\/99“，”doi“：”10.24963\/ijcai.2018“}，{“key”：“6218_CR11”，“doi-asserted-by”：“publisher”，“unstructured”：“Wu X，Wen N，Liang J et al（2019）通过标签分布学习对痤疮图像进行联合分级和计数。摘自：IEEE计算机视觉国际会议论文集。pp 10641\u201310650。https:\/\/doi.org\/10.109\/ICCV.2019.01074“，”doi“：”10.1109\/ICCV.2019.01074“}，{”key“：”6218_CR12“，”doi-asserted-by“：”publisher“，”first page“：“339”，”doi:“10.1016\/j.neucom.2018.12.074”，“volume”：“337”，“author”：“L Xu”，“year”：“2019”，“unstructured”：“Xu L，Chen j，Gan Y（2019）使用正则卷积神经网络的软标记头部姿势估计。神经计算337:339\u2013353。https:\/\/doi.org\/10.1016\/j.neucom.2018.12.074“，”journal-title“：”Neurocomputing“}，{”key“：”6218_CR13“，”doi-asserted-by“：”publisher“，”unstructured“：”Liu Z，Chen Z，Bai j，et al（2019）通过标签分布的深度学习进行面部姿势估计。摘自：Proceedings-2019计算机视觉研讨会国际会议，2019年ICCVW。第1232\u20131240页。https:\/\/doi.org/10.1109\/ICCVW。2019.00156”，“doi”：“10.1109\/ICCVW。2019.00156”}，｛“key”：“6218_CR14”，“doi断言者”：“publisher”，“doi”：“10.1016\/j.patcog.2019.107178”，“author”：“P Li”，“year”：“2020”，“nonstructured”：“Li P，Hu Y，Wu X et al（2020）用于年龄估计的深度标签细化。模式识别。https:\/\/doi.org\/10.1016\/j.patcog.2019.107178“，”journal-title“：”Pattern Recognit“}，{“key”：“6218_CR15”，“doi-asserted-by”：“publisher”，“first page”：”3846“，”doi“：”10.1109\/TIP.2017.2655445“，”volume“：”26“，”author“：”Z He“，“year”：“2017”，“unstructured”：“He Z，Li X，Zhang Z et al（2017）用于年龄估计的数据相关标签分布学习。IEEE传输图像处理26:3846\u20133858。https:\/\/doi.org\/10.109\/TIP.2017.2655445“，”journal-title“：”IEEE Trans-Image Process“}，{”key“：”6218_CR16“，”doi-asserted-by“：”publisher“，”first page“：“55”，“doi”：“10.1109\/MSP.2010.938079”，“volume”：“27”，“author”：“D Blei”，“year”：“2010”，“unstructured”：“Blei D，Carin L，Dunson D（2010）概率主题模型。IEEE信号处理杂志27:55\u201365。https:\/\/doi.org\/10.109\/MSP.2010.938079“，”journal-title“：”IEEE Signal Process Mag“}，{“key”：“6218_CR17”，“doi-asserted-by”：“publisher”，“first page”：”6207“，”doi“：”10.1109\/TGRS.2015.2435801“，”volume“：”53“，”author“：”Y Zhong“，”year“：”2015“，”unstructured“：”Zhong Y，Zhu Q，Zhang L（2015）基于多特征融合概率主题模型的高空间分辨率遥感影像场景分类。IEEE Trans Geosci远程传感器53:6207\u20136222。https:\/\/doi.org\/10.109\/TGRS.2015.2435801“，”journal-title“：”IEEE Trans Geosci Remote Sens“}，{”key“：”6218_CR18“，”doi-asserted-by“：”publisher“，”doi“：”10.1145\/1889681.1889684“，”author“：”K Farrahi“，”year“：”2011“，”unstructured“：”Farrahi-K，Gatica-Perez D（2011）使用概率主题模型从大规模人类位置发现例程。ACM跨智能系统技术。https:\/\/doi.org\/10.1145\/1889681.1889684“，”journal-title“：”ACM Trans Intell Syst Technol“}，{“key”：“6218_CR19”，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/3290047”，“author”：“B Yuan”，“year”：“2019”，”unstructured“：”Yuan B，Gao X，Niu Z，Tian Q（2019）通过高斯潜在dirichlet分配和谱聚类发现潜在主题。ACM跨多用途计算机通信应用。https:\/\/doi.org\/10.1145\/3290047“，”journal-title“：”ACM Trans Multimed Compute Commun Appl“}，{“key”：“6218_CR20”，“doi-asserted-by”：“publisher”，“first page”：”1393“，”doi“：”10.1109\/TIP.2017.2655449“，”volume“26”，“author”：“Y Wang”，“year”：“2017”，“unstructured”：“Wang Y，Lin X，Wu L，Zhang W（2017）有效的多查询扩展：协作深度网络实现稳健的地标检索。IEEE传输图像处理26:1393\u20131404。https:\/\/doi.org\/10.109\/TIP.2017.2655449“，”journal-title“：”IEEE Trans-Image Process“}，{”key“：”6218_CR21“，”doi-asserted-by“：”publisher“，”first page“：“2801”，“doi”：“10.1109\/TMM.2018.2812605”，“volume”：“20”，“author”：“J Zhang”，“year”：“2018”，“unstructured”：“Zhang J，Wu Q，Shen C et al（2018）具有区域潜在语义依赖的多标签图像分类。IEEE Trans Multimed 20:2801\u20132813。https:\/\/doi.org/10.1109\/TTM.2018.2812605“，”期刊标题“：”IEEE跨多模式“}，｛”键“：”6218_CR22“，”doi断言“：”出版商“，”非结构化“：”Hua Y，Mou L，Zhu XX（2019）多标签航空图像分类的标签关系推断。在：国际地球科学与遥感研讨会（IGARSS）。第5244\u20135247页。https:\/\/doi.org\/10.109\/IGARSS.2019.8898934“，”doi“：”10.1109\/IGARSAS.2019.898934“}，{”key“：”6218_CR23“，”doi-asserted-by“：”publisher“，”first page“：“538”，“doi”：“10.1109\/TMC.2014.2322373”，“volume”：“14”，“author”：“Z Wang”，“year”：“2015”，“unstructured”：“Wang Z，Liao J，Cao Q et al（2015）Friendbook：一个基于语义的社交网络好友推荐系统。IEEE Trans Mob计算14:538\u2013551。https:\/\/doi.org\/10.109\/TMC.2014.2322373“，”journal-title“：”IEEE Trans-Mob Compute“}，{”key“：”6218_CR24“，”doi-asserted-by“：”publisher“，”unstructured“：”Pan T，Zhang W，Wang Z，Xu L（2016）基于android应用程序中LDA主题模型的建议。摘自：2016年IEEE软件质量、可靠性和安全国际会议论文集，QRS-C 2016。https:\/\/doi.org\/10.109\/QRS-C.2016.24“，”doi“：”10.1109\/QRS.C.2016.24“}，{”key“：”6218_CR25“，”doi-asserted-by“：”publisher“，”first page“：“28”，“doi”：“10.1016\/j.dss.2017.05.013”，“volume”：“101”，“author”：“CY Sun”，“year”：“2017”，“unstructured”：“Sun CY，Lee AJT（2017）”通过挖掘照片共享社交媒体提供旅游推荐。Decis支持系统101:28\u201339。https:\/\/doi.org\/10.1016\/j.dss.2017.05.013“，”journal-title“：”Decis Support Syst“}，{“key”：“6218_CR26”，“doi-asserted-by”：“publisher”，“first page”：”224“，”doi“：”10.1109\/TMM.2017.2716829“，”volume“：”20“，”author“：”j Yao“，”year“：”2018“，”unstructured“：”Yao j，Wang Y，Zhang Y et al（2018）社交标签的联合潜在dirichlet分配。IEEE Trans Multimed 20:224\u2013237。https:\/\/doi.org\/10.109\/TMM.2017.2716829“，”journal-title“：”IEEE Trans-Multimed“}，{“key”：“6218_CR27”，“doi-asserted-by”：“publisher”，“first page”：”9307“，”doi“：”10.1007\/s00521-019-04337-z“，”volume“：”31“，”author“：”Y Ou“，”year“：”2019“，”unstructured“：”Ou Y，Luo J，Li B，He B（2019）基于计算机视觉的铁路扣件分类模型。神经计算应用31:9307\u20139319。https:\/\/doi.org\/10.1007\/s00521-019-04337-z“，”journal-title“：”Neural Compute Appl“}，{“key”：“6218_CR28”，“doi-asserted-by”：“publisher”，“first page”：”65“，”doi“：”10.1016\/j.neucom.2018.06.014“，”volume“：”314“，“author”：“Y Li”，”year“：”2018“，”unstructured“：”Li Y，Kong X，Fu H，Tian Q（2018）聚合用于图像检索的分层二进制激活。神经计算314:65\u201377。https:\/\/doi.org\/10.1016\/j.neucom.2018.06.014“，”journal-title“：”Neurocomputing“}，{”key“：”6218_CR29“，”doi-asserted-by“：”publisher“，”first-page“：”459“，”doi“：”10.1109\/LGRS.2018.2794511“，”volume“：“15”，“author”：“R Bahmanyar”，“year”：“2018”，“unstructured”：“Bahmanyar R，Espinoza-Molina D，Datcu M（2018）基于多模态潜在Dirichlet分配模型的多传感器对地观测图像分类。IEEE Geosci遥感快报15:459\u2013463。https:\/\/doi.org\/10.109\/LGRS.2018.2794511“，”journal-title“：”IEEE Geosci Remote Sens Lett“}，{”key“：”6218_CR30“，”doi-asserted-by“：”publisher“，”first page“：“2600”，”doi“：”10.1109\/JSTARS.2018.2878037“，”volume“:”12“，”author“：”P Du“，“year”：“2019”，”unstructured“：”Du P，Li E，Xia J et al（2019）用于遥感场景分类的预处理CNN特征和模型级融合。IEEE J Sel Top Appl Earth Obs遥感器12:2600\u20132611。https:\/\/doi.org\/10.109\/JSTARS.2018.2878037“，”journal-title“：”IEEE J Sel Top Appl Earth Obs Remote Sens“}，{“key”：“6218_CR31”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s00521-05071-7”，”author“：”B Yuan“，”year“2020”，“unstructured”：“Yuan B，Han L，Gu X et al（2020）”用于高分辨率遥感图像场景分类的多深度特征融合。神经计算应用。https:\/\/doi.org\/10.1007\/s00521-020-05071-7“，“journal-title”：“Neural Comput Appl”}，{“key”：“6218_CR32”，“doi-asserted-by”：“publisher”，“unstructured”：“Das P，Xu C，Doell RF，Corso JJ（2013）只需几个词就可以完成1000帧：通过潜在主题和稀疏对象拼接对视频进行语言描述。收录：IEEE计算机学会计算机视觉和模式识别会议论文集。第2634\u20132641页。https:\/\/doi.org\/10.109\/CVPR.2013.340“，”doi“：”10.1109\/CVPR.2013.340“}，{”key“：”6218_CR33“，”doi-asserted-by“：”publisher“，”first page“：“2324”，”doi:“10.1109\/TIP.2008.2006658”，“volume”：“17”，“author”：“M Zhang”，“year”：“2008”，“unstructured”：“Zhang M，Gunturk BK（2008）用于图像去噪的多分辨率双边滤波。IEEE Trans-Image过程17:2324\u20132333。https:\/\/doi.org\/10.109\/TIP.2008.2006658“，”journal-title“：”IEEE Trans-Image Process“}，{“key”：“6218_CR34”，“unstructured”：“Hessam B，Maxwell H，Mohammad R et al（2018）标签精炼厂通过标签级数改进ImageNet分类。In:IEEE计算机视觉和模式识别学会会议。arXiv:1805.02641”}，}“key“：”6218_CR35“，”unstructured“：”M\u00fcller R，Kornblith S，Hinton G（2019）标签平滑何时起作用？在：神经信息处理系统研讨会，NIPS 2019，会议记录。arXiv:1906.02629“}，{“key”：“6218_CR36”，“doi-asserted-by”：“publisher”，“first-pages”：“15”，“doi”：“10.1016\/j.neucom.2018.11.088”，“volume”：”345“，“author”：“j Hou”，“year”：“2019”，“unstructured”：“Hou j，Zeng H，Cai L等人（2019）多标签平滑正则化多标签学习用于车辆再识别。神经计算345:15\u201322。https:\/\/doi.org/10.1016\/j.neucom.2018.11.088”，“期刊标题”：“神经计算”}，｛“密钥”：“6218_CR37”，“doi断言”：“发布者”，“非结构化”：“Yun S，Park j，Lee K，Shin j（2020）通过自知蒸馏规范类预测。收录：IEEE计算机学会计算机视觉和模式识别会议论文集。第13873页\u201313882。https:\/\/doi.org\/10.109\/CVPR42600.2020.01389“，”doi“：”10.1109\/CVPRS2600.2020.01389“}，{”key“：”6218_CR38“，”unstructured“：”Pereyra G，Tucker G，Chorowski J等人（2017）通过惩罚自信的输出分布来规范神经网络。参加：第五届学习代表国际会议，2017年国际劳工大会，会议记录。arXiv:1701.06548“}，{“key”：“6218_CR39”，“doi-asserted-by”：“publisher”，“unstructured”：“Szegedy C，Vanhoucke V，Ioffe S et al（2016）重新思考计算机视觉的初始架构。摘自：IEEE计算机学会计算机视觉和模式识别会议论文集。pp 2818\u20132826。https:\/\/doi.org\/10.109\/CVPR.2016.308“，”doi“：”10.1109\/CVPR.2016.308“}，{”key“：”6218_CR40“，”doi-asserted-by“：”publisher“，”doi“：“10.1109\/TGRS.2018.2845668”，”author“：”N He“，“year”：“2018”，”unstructured“：”He N，Fang L，Li S et al（2018）使用多层叠加协方差池进行遥感场景分类。IEEE Trans Geosci Remote Sens.https:\/\/doi.org\/10.109\/TGRS.2018.2845668“，”journal-title“：”IEEE Trans-Geosci远程传感器“}，{“key”：“6218_CR41”，”doi-asserted-by“：”publisher“，”first page“：“2494”，”doi“：”10.1109\/TGRS.2018.2873966“，”volume“：”57“，”author“：”Y Liu“，”year“2019”，”unstructured“：”Liu Y，Suen CY，Liu Y丁磊（2019）使用分级wasserstein CNN进行场景分类。IEEE Trans Geosci远程传感器57:2494\u20132509。https:\/\/doi.org\/10.109\/TGRS.2018.2873966“，”journal-title“：”IEEE Trans Geosci Remote Sens“}，{”key“：”6218_CR42“，”doi-asserted-by“：”publisher“，”first page“：“1779”，”doi“：”10.1109\/TGRS.2018.2869101“，”volume“57”，”author“：”Y Yuan“，”year“：”2019“，”unstructured“：”Yuan，Fang J，Lu X et al（2019）利用重新排列的局部特征进行遥感图像场景分类。IEEE Trans Geosci远程传感器57:1779\u20131792。https:\/\/doi.org\/10.109\/TGRS.2018.2869101“，“journal-title”：“IEEE Trans Geosci Remote Sens”}，{“key”：“6218_CR43”，“doi-asserted-by”：“publisher”，“doi”：“10.3390\/rs11050494”，“author”：“W Zhang”，“year”：“2019”，“unstructured”：“Zhang W，Tang P，Zhao L et al（2019）使用CNN CapsNet进行遥感图像场景分类。Remote Sens.https:\/\/doi.org\/10.3390\/rs11050494“，”journal-title“：”Remote Sens“}，{“key”：“6218_CR44”，“doi-asserted-by”：“publisher”，“first page”：”345“，”doi“：”10.1016\/j.neucom.2019.11.068“，”volume“：”377“，”author“：”Q Bi“，”year“：”2020“，”unstructured“：”Bi Q，Qin K，Zhang H et al（2020）RADC-Net：用于空中场景分类的基于剩余注意力的卷积网络。神经计算377:345\u2013359。https:\/\/doi.org\/10.1016\/j.neucom.2019.11.068“，”journal-title“：”Neurocomputing“}，{”key“：”6218_CR45“，”doi-asserted-by“：”publisher“，”first-page:“220”，“doi”：“10.1109\/JSTARS.2017.2761800”，“volume”：“11”，“author”：“Y Liu”，“year”：“2018”，“unstructured”：“Liu Y，Huang C（2018）通过三重网络进行场景分类。IEEE J Sel Top Appl Earth Obs遥感器11:220\u2013237。https:\/\/doi.org\/10.109\/JSTARS.2017.2761800“，”journal-title“：”IEEE J Sel Top Appl Earth Obs Remote Sens“}，{“key”：“6218_CR46”，“doi-asserted-by”：“publisher”，“first page”：”6916“，”doi“：”10.1109\/TGRS.2019.2909695“，”volume“：”57“，”author“：”J Xie“，”year“2019”，“unstructured”：“Xie J，He N，Fang L et al（2019）无标度卷积神经网络在遥感场景分类中的应用。IEEE Trans Geosci远程传感器57:6916\u20136928。https:\/\/doi.org\/10.109\/TGRS.2019.2909695“，”journal-title“：”IEEE Trans Geosci Remote Sens“}，{”key“：”6218_CR47“，”doi-asserted-by“：”publisher“，”first page“：“519”，“doi”：“10.1109\/TGRS.2019.2937830”，“volume”：“58”，“author”：“Y Yu”，“year”：“2020”，“unstructured”：“Yu Y，Li X，Liu F（2020）注意GANs：用于航空场景分类的无监督深层特征学习。IEEE Trans Geosci远程传感器58:519\u2013531。https:\/\/doi.org\/10.109\/TGRS.2019.2937830“，“journal-title”：“IEEE Trans-Geosci遥感”}，{“key”：“6218_CR48”，“unstructured”：“Simonyan K，Zisserman A（2015）用于大规模图像识别的深度卷积网络。参加：2015年ICLR第三届学习代表国际会议——会议记录。arXiv:1409.1556.“｝，｛“key”：“6218_CR49”，“首页”：“2579”，“卷”：“9”，“作者”：“Maaten L.v.d，Hinton G，”，“年份”：“2008”，“非结构化”：“Maaten L.v.d，Hinton G（2008）使用t-SNE可视化数据。J Mach Learn Res 9:2579\u20132625”，“期刊标题”：“J Mach Learn Res”｝，｛“key”：“6218_CR50”，“doi断言”：“publisher”，“doi“：”10.1145\/1961189.1961199“，“author”：“CC Chang”，“year”：“2011”，“unstructured”：“Chang CC，Lin CJ（2011）LIBSVM：支持向量机库。ACM跨智能系统技术。https:\/\/doi.org\/10.1145\/1961189.1961199“，”journal-title“：”ACM Trans Intell Syst Technol“}，{“key”：“6218_CR51”，“unstructured”：“Stevens K，Kegelmeyer P，Andrzejewski D，Butter D（2012）在多个模型和多个主题上探索主题连贯性。在：EMNLP-CoNLL 2012-2012年自然语言处理和计算自然语言学习经验方法联合会议，会议记录。pp 952\u2013961“｝，｛“key”：“6218_CR52”，“doi asserted by”：“publisher”，“first page”：“156”，“doi”：“10.1016\/j.in.2019.01.024”，“volume”：“482”，“author”：“S Chen”，“year”：“2019”，“nonstructured”：“Chen S，Wang Y，Lin C et al（2019）半监督特征学习，用于改进作家识别。Inf Sci（Ny）482:156\u2013170。https:\/\/doi.org\/10.1016\/j.ins.2019.01.024“，”journal-title“：”Inf-Sci（Ny）“}，{”key“：”6218_CR53“，”doi-asserted-by“：”publisher“，”doi“：”10.1002\/rcs.2169“，”author“：”Y Du“，“year”：“2020”，”unstructured“：”Du Y，Yang R，Chen Z et al（2020）基于Caffe深度学习框架和EasyDL平台的膀胱镜下深度学习网络辅助膀胱肿瘤识别。Int J Med Robot Compute Assist Surg.https:\/\/doi.org\/10.1002\/rcs.2169“，”journal-title“：”Int J Med Robot Computer Assist Suprg“}，{“key”：“6218_CR54”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/J.compbiomed.2020.103861”，“author”：“Y Zeng”，“year”：“2020”，“unstructured”：“Zeng Y，Zhang J（2020）使用Google Cloud AutoML Vision检测浸润性导管癌的机器学习模型。Comput Biol Med.https:\/\/doi.org\/10.1016\/j.compbiomed.2020.103861“，”journal-title“：”Comput Biol Med“}，{”key“：”6218_CR55“，”doi-asserted-by“：”publisher“，”unstructured“：”Chen Z，Wei X，Wang P，Guo Y（2019）基于图卷积网络的多标签图像识别。收录：IEEE计算机学会计算机视觉和模式识别会议论文集。第5172\u20135181页。https:\/\/doi.org\/10.109\/CVPR.2019.00532“，”doi“：”10.1109\/CVPR.2019.00532“}，{”key“：”6218_CR56“，”doi-asserted-by“：”publisher“，”first page“：“4689”，“doi”：“10.1007\/s00521-018-3817-2”，“volume”：“32”，“author”：“T Zhang”，“year”：“2020”，“unstructured”：“Zhang T，Mouch\u00e8re H，Viard-Gaud单位：C（2020年）基于树BLSTM的在线手写数学表达式识别系统。神经计算应用程序32:4689\u20134708。https:\/\/doi.org\/10.1007\/s00521-018-3817-2“，”journal-title“：”Neural Compute Appl“}，{“key”：“6218_CR57”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.patcog.2020.107596”，“author”：“Y Liu”，“year”：“2021”，“unstructured”：“Liu Y，Chen W，Qu H et al（2021）”图卷积网络的弱监督图像分类和逐点定位。模式识别。https:\/\/doi.org\/10.1016\/j.patcog.2020.107596“，”journal-title“：”Pattern Recognit“}，{”key“：”6218_CR58“，”doi-asserted-by“：”publisher“，”doi“：”10.1007\/s00521-05650-8“，“author”：“K Xie”，“year”：“2021”，“unstructured”：“Xie K，Wei Z，Huang L et al（2021）”关注多标签天气识别的图卷积网络。神经计算应用。https:\/\/doi.org\/10.1007\/s00521-05-20-05650-8“，”journal-title“：”Neural Comput Appl“}，{“key”：“6218_CR59”，“unstructured”：“Hinton G，Vinyals O，Dean J.（2015）《提取神经网络中的知识》。in:Neural information processing systems workshops，NIPS 2015，会议记录。arXiv:1503.02531“}”，{”key“：”6218_CR160“，”doi由“：”出版商“，”doi“：”10.1109\/TPAMI.20213005564“，”作者“：”L Wang“，”年份“：”2021“，”非结构化“：”Wang L，Yoon KJ（2021）视觉智能的知识提炼和师生学习：综述和新观点。IEEE Trans-Pattern Ana Mach Intell公司。https:\/\/doi.org\/10.109\/TPAMI.2021.3055564“，”journal-title“：”IEEE Trans-Pattern Ana Mach Intell“}，{“key”：“6218_CR61”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.patcog.2020.107722”，“author”：“Z Wang”，“year”：“2021”，“unstructured”：“Wang Z，Du j（2021）”CNN中用于中文文本识别的联合架构和知识提取。模式识别。https:\/\/doi.org\/10.1016\/j.patcog.2020.107722“，”journal-title“：”Pattern Recognit“}，{”key“：”6218_CR62“，”doi-asserted-by“：”publisher“，”unstructured“：”Yuan L，Tay FEH，Li G et al（2020）通过标签平滑正则化重新访问知识提取。收录：IEEE计算机学会计算机视觉和模式识别会议论文集。第3902\u20133910页。https:\/\/doi.org\/10.109\/CVPR42600.2020.00396“，”doi“：”10.1109\/CVPR12600.2020.00396“}，{”key“：”6218_CR63“，”doi-asserted-by“：”publisher“，”unstructured“：”Zhang Y，Xiang T，Hospedales TM，Lu H（2018）深度相互学习。In:IEEE计算机视觉和模式识别学会会议记录。pp 4320\u20134328。https:\/\/doi.org\/10.109\/CVPR.2018.00454“，”doi“：”10.1109\/CVPR.2018.00454“}]，”container-title“：[”Neural Computing and Applications“]，”original-title”：[]，”language“：”en“，”link“：[{”URL“：”https:\//link.springer.com\/content\/pdf\/10007\/s00521-06218-w.pdf“，”content-type“：”application\/pdf“、”content-version“：”vor“，”预期应用程序“：”text-mining“}，{“URL”：“https:\/\/link.springer.com/article\/10.1007\/s00521-06218-w\/fulltext.html”，“内容类型”：“text\/html”，“content-version”：“vor”，“intended-application”：“text-mining”}，}“URL“：”https:\//link.springer.com/content\/pdf\/10.10007\/s005211-06218w.pdf“，”内容类型“：”application\/pdf“content-v.pdf”版本“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2021,11,3]]，”date-time“：”2021-11-03T18:13:20Z“，”timestamp“：1635963200000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/link.springer.com\/10007\/s00521-06218-w“}}”，”subtitle“：[]，”shorttitle“：[]，”issued“：{”date-ports“：[[2020]1,6,26]]}，“引用计数”：63，“日志-期刊“：{”期刊“：“23”，“published-print”：{“date-parts”：[[2021,12]]}}，“alternative-id”：[“6218”]，“URL”：“http://\/dx.doi.org\/10.1007\/s00521-06218-w”，“relationship”：{}，”ISSN“：[”0941-0643“，”1433-3058“]，”ISSN-type“：[{”value“：”0941-0.643“”，“type”：“print”}，{“值”：“1433-3058”，“类型”：“电子”}]，“主题”：[]，“发布”：{“日期部分”：[[2021,6,26]]}，“断言”：[{“value”：“2020年8月5日”，“order”：1，“name”：“received”，“label”：“已接收”，“group”：{“name”:“ArticleHistory”，“table”：“Article History“}}，{“value”：“2021年6月8日”：“first_online”，“label”：“First Online”，“group”：{“name”：“Article History”，“label”：“Article Hiology”}}，{“order”：1，“name”:“Ethics”，“group”：{“name”∶“EthicsHeading”，“table”：“Declarations”}，}“value”：“作者声明他们没有利益冲突。”，“order“：2，”name“：”Ethics“，”group“：{”name“:”EthicsHeading“，”label“：”利益冲突“}}}]}