領(lǐng)域自適應(yīng)方法旨在利用豐富的源域知識(shí)來幫助目標(biāo)域任務(wù)的學(xué)習(xí)。與傳統(tǒng)的機(jī)器學(xué)習(xí)假設(shè)不同,域自適應(yīng)學(xué)習(xí)中存在的兩個(gè)數(shù)據(jù)域:源域和目標(biāo)域,分別遵循相近但不完全相同的分布。領(lǐng)域自適應(yīng)中通常存在三種學(xué)習(xí)方法:(1)樣本自適應(yīng)方法,(2)特征自適應(yīng)方法,(3)模型自適應(yīng)方法。本文分別針對(duì)前兩種方法進(jìn)行探索并研究了提升分類模型效果的改進(jìn)方案,研究方案主要包括以下的兩個(gè)內(nèi)容:首先,針對(duì)特征自適應(yīng)方法,在常見的利用映射子空間方法解決源域和目標(biāo)域分布差異性的方法中,保留映射前的數(shù)據(jù)特性對(duì)于性能的提升是尤為重要的。不同于常見的流形結(jié)構(gòu)特性,本文在模型的構(gòu)造中著重保留了更適用于圖像分類的稀疏結(jié)構(gòu)特性,進(jìn)而提出一種可用于圖像分類的稀疏結(jié)構(gòu)保持的領(lǐng)域自適應(yīng)學(xué)習(xí)方法(簡(jiǎn)稱DASSP)。與針對(duì)局部結(jié)構(gòu)信息保留的流形正則化不同,本文通過稀疏表示對(duì)圖像樣本進(jìn)行了重構(gòu),保留了圖像之間的全局性信息,而通過實(shí)驗(yàn),證明了該結(jié)構(gòu)特性對(duì)于模型性能的提升效果。其次,在樣本自適應(yīng)方法中,如何選擇和傳遞相關(guān)知識(shí)是學(xué)習(xí)的關(guān)鍵。本文提出了一種新的基于過程學(xué)習(xí)的領(lǐng)域自適應(yīng)模型(PDA),該模型試圖考慮基于關(guān)聯(lián)的遷移順序來傳遞源域知識(shí)。具體來說,...

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3.1圖像數(shù)據(jù)(a)流形結(jié)構(gòu)，(b)稀疏重構(gòu)

南京郵電大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文第三章基于稀疏表示的域自適應(yīng)學(xué)習(xí)方法結(jié)構(gòu)特性，在遷移學(xué)習(xí)中，往往會(huì)加入一個(gè)流形正則化項(xiàng)用以約束分類器保留原始空間的流形結(jié)構(gòu)特性，但是流形結(jié)構(gòu)體現(xiàn)的僅是數(shù)據(jù)局部的特性，有著一定的約束性，因而我們希望找到一種更能體現(xiàn)整體性的結(jié)構(gòu)特性，來替換流....

圖3.2圖像數(shù)據(jù)(a)USPS，(b)MNIST，(c)MSRC，(d)VOC2007，(e)Caltech-10，(f)DSLR，(g)

(a)(b)(c)(d)(e)(f)(g)圖3.2圖像數(shù)據(jù)(a)USPS，(b)MNIST，(c)MSRC，(d)VOC2007，(e)Caltech-10，(f)DSLR，(g)Webcam

圖4.1在“貓”的幫助下學(xué)習(xí)(a)“狗”，從更相關(guān)的(b)開始，然后是(c)，按照一種有意義的方式排序

郵電大學(xué)專業(yè)學(xué)位碩士研究生學(xué)位論文第四章基于過程學(xué)習(xí)的域自適應(yīng)學(xué)習(xí)方（2）反向分類（reverseclassification）方法被使用，以確定迭代的終止，這樣能保證只關(guān)的知識(shí)被遷移。（3）在一些常用的真實(shí)數(shù)據(jù)集上，實(shí)驗(yàn)證明了PDA比大多數(shù)現(xiàn)在的其他方法都有更果。

圖4.2自步學(xué)習(xí)實(shí)例，學(xué)習(xí)數(shù)學(xué)從一年級(jí)，然后是三年級(jí)，按照“難易度”進(jìn)行學(xué)習(xí)

最相關(guān)的知識(shí)被遷移。（3）在一些常用的真實(shí)數(shù)據(jù)集上，實(shí)驗(yàn)證明了PDA比大多數(shù)現(xiàn)在的其他方法都有更好的效果。(a)(b)(c)圖4.1在“貓”的幫助下學(xué)習(xí)(a)“狗”，從更相關(guān)的(b)開始，然后是(c)，按照一種有意義的方式排序。4.2相關(guān)工作4.2.1基于多樣性的....

本文編號(hào)：3972054