跨場景遷移分類模型形成方法、裝置及可讀存儲介質(zhì)
基本信息
申請?zhí)?/td> | CN202110939361.2 | 申請日 | - |
公開(公告)號 | CN113610176A | 公開(公告)日 | 2021-11-05 |
申請公布號 | CN113610176A | 申請公布日 | 2021-11-05 |
分類號 | G06K9/62(2006.01)I;G06N20/00(2019.01)I | 分類 | 計算;推算;計數(shù); |
發(fā)明人 | 顧凌云;謝旻旗;張陽;王震宇 | 申請(專利權(quán))人 | 上海冰鑒信息科技有限公司 |
代理機構(gòu) | 成都頂峰專利事務(wù)所(普通合伙) | 代理人 | 楊俊華 |
地址 | 200000上海市浦東新區(qū)中國(上海)自由貿(mào)易試驗區(qū)商城路618號四層B207室 | ||
法律狀態(tài) | - |
摘要
摘要 | 本申請?zhí)峁┑目鐖鼍斑w移分類模型形成方法、裝置及可讀存儲介質(zhì),將源域樣本集與目標域訓練樣本集組成訓練樣本集,訓練樣本集與目標域測試集的分布不同,通過調(diào)整源域樣本與目標域訓練樣本的樣本權(quán)重,找到源域樣本中與目標域分布最接近的樣本,同時放大目標域樣本損失的影響,增加有效數(shù)據(jù)權(quán)重,降低無效數(shù)據(jù)權(quán)重。通過模型效果參數(shù)判斷是否迭代結(jié)束,并將訓練過程中表現(xiàn)最好的一次作為決策。相對于現(xiàn)有技術(shù)中遷移學習算法通過提升多個弱分類器,使用后一半的弱分類器進行綜合投票,得出最后的決策的方式,本申請使用在訓練過程中表現(xiàn)最好的學習器進行決策,相當于整個遷移學習過程只發(fā)生在模型訓練過程中,降低了開發(fā)難度。 |
