搜索结果: 1-4 共查到“计算机科学技术基础学科 迁移学习”相关记录4条 . 查询时间(0.204 秒)
遥感分类旨在从图像光谱中提取资源环境监测可用的地理信息，然而基于模式分类的图像处理技术受光谱漂移影响而缺乏历史样本重复利用的有效策略，制约着有限目标样本下遥感分类精度的提高.针对该问题，本文构建了基于改进的贝叶斯ARTMAP神经网络的迁移学习遥感影像分类算法，通过提高谐振匹配性来抑制类别扩散，利用节点的离散增量期望最大化参数更新策略，将历史遥感样本中的地物分类先验信息迁移到目标模型当中.实验结果表...
具有协同约束的共生迁移学习算法研究
协同约束 共生迁移学习 分类 支持向量机
2017/1/14
传统迁移学习方法通常直接利用相关领域中的数据来辅助完成当前领域的学习任务，而忽略了领域间互相学习的能力.针对此类问题，提出了一种具有协同约束的共生迁移学习方法（Collaborative Constraints based Symbiosis Transfer Learning，CCSTL）.在协同约束的基础上，引入共生迁移机制实现领域间的交替互动学习，进而实现源领域和目标领域间的知识迁移，从而提...
为充分利用过期训练数据和数据结构相关性进行新领域的学习，提出一种基于Markov逻辑网的迁移学习方法。该方法对源域与目标域的谓词进行自动映射后，通过自我诊断、结构更新和新公式挖掘3个步骤对映射结构进行优化，使之更适用于目标域数据。实验结果证明，与传统的机器学习方法相比，该方法使概率推理所获结果的准确率更高，所需的学习时间与训练数据更少。