跨場景遷移分類模型形成方法、裝置及可讀存儲(chǔ)介質(zhì)

基本信息

申請?zhí)?/td> CN202110939361.2 申請日 -
公開（公告）號(hào) CN113610176A 公開（公告）日 2021-11-05
申請公布號(hào) CN113610176A 申請公布日 2021-11-05
分類號(hào) G06K9/62（2006.01）I;G06N20/00（2019.01）I 分類 計(jì)算；推算；計(jì)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(jī)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(yàn)區(qū)商城路618號(hào)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(chǔ)介質(zhì)，將源域樣本集與目標(biāo)域訓(xùn)練樣本集組成訓(xùn)練樣本集，訓(xùn)練樣本集與目標(biāo)域測試集的分布不同，通過調(diào)整源域樣本與目標(biāo)域訓(xùn)練樣本的樣本權(quán)重，找到源域樣本中與目標(biāo)域分布最接近的樣本，同時(shí)放大目標(biāo)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(xùn)練過程中表現(xiàn)最好的一次作為決策。相對(duì)于現(xiàn)有技術(shù)中遷移學(xué)習(xí)算法通過提升多個(gè)弱分類器，使用后一半的弱分類器進(jìn)行綜合投票，得出最后的決策的方式，本申請使用在訓(xùn)練過程中表現(xiàn)最好的學(xué)習(xí)器進(jìn)行決策，相當(dāng)于整個(gè)遷移學(xué)習(xí)過程只發(fā)生在模型訓(xùn)練過程中，降低了開發(fā)難度。