简介:Tri—Training是半监督协同训练的代表性算法之一,它运用统计技术标记置信度,并结合噪音学习理论进行无标记样本分类。当扩充样本训练集不满足噪音学习理论时,会进行随机采样,针对传统Tri-Training算法随机选取基础分类器的扩充训练样本集会引入噪声这一缺陷,通过更改扩充样本训练集选取方式,剔除可能提高分类误差的样本。在健康大数据集上进行一系列验证试验,实验结果表明,改进的算法优于原始算法,降低分类错误率。
简介:市政项目施工属于一种比较复杂的生产建设行为,范围、工程量以及工期都与一般种类建筑施工有所差异,特点为工程内容比较复杂,要求比较严格,所以必须在市政项目施工过程中加强技术应用,确保坚持市政项目施工技术应用原则的前提下,将市政项目施工的全过程视作重点内容,突出项目各个环节的施工重点内容,有效确保市政工程的质量,进而为低耗能以及高效率的市政项目建设加强技术准备工作,实现新时代市政项目施工技术的创新与发展。此文主要以市政项目的建设作为基础,阐述了市政项目施工需要秉持的原则,将市政项目施工划分成准备、施行以及验收三个阶段进行分析,强调市政项目施工技术应用的要点内容。