申请/专利权人:西安理工大学
申请日:2024-03-05
公开(公告)日:2024-04-16
公开(公告)号:CN117892164A
主分类号:G06F18/23213
分类号:G06F18/23213;G06F18/2431;G06F18/214;G06F18/213;G06N3/048;G06N3/096
优先权:
专利状态码:在审-公开
法律状态:2024.04.16#公开
摘要:本发明公开的基于聚类与多域分类的开放集域自适应方法,收集公开数据集,并对公开数据集进行预处理,构建网络模型,并对网络模型进行预训练,通过预训练后的网络模型对目标域和源域的数据提取深度特征并进行聚类;计算目标域各样本聚类伪标签的置信度,基于各样本聚类伪标签的置信度的强弱对网络模型进行正式训练,直至达到所设定的训练或损失收敛为止,采用完成训练的网络模型对目标域的数据集进行预测,得到预测结果。本发明解决了在现有的使用聚类算法的开放集领域自适应方法中,其将自监督聚类作为独立模块,忽略了领域适应的本质,以及最优聚类簇数难以确定的问题,提高开放集域自适应的准确率。
主权项:1.基于聚类与多域分类的开放集域自适应方法,其特征在于,收集公开数据集,并对公开数据集进行预处理,构建网络模型,并对网络模型进行预训练,通过预训练后的网络模型对目标域和源域的数据提取深度特征并进行聚类;计算目标域各样本聚类伪标签的置信度,基于各样本聚类伪标签的置信度的强弱对网络模型进行正式训练,直至达到所设定的训练或损失收敛为止,采用完成训练的网络模型对目标域的数据集进行预测,得到预测结果。
全文数据:
权利要求:
百度查询: 西安理工大学 基于聚类与多域分类的开放集域自适应方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。