[00246137]一种基于无监督聚类和度量学习的迁移学习方法
交易价格：
面议
所属行业：
其他教育休闲
类型：
发明专利
技术成熟度：
正在研发
专利所属地：中国
专利号：CN201711447557.X
交易方式：
技术转让
技术转让
技术入股
联系人：
科小易
进入空间
所在地：福建厦门市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本[发明专利]涉及一种基于无监督聚类和度量学习的迁移学习方法，先准备源域样本DS和目标域样本DT；再使用主成份分析方法降低全部样本的维度；然后对源域样本DS进行无监督聚类，将源域样本聚为多个类别；再为每个聚类学习一个度量矩阵G，通过每个聚类和所有的度量矩阵的关联性得出权重矩阵w0，并根据已知标签的目标域样本DTL训练权重矩阵w0，得到最优的权重矩阵W，最后根据权重矩阵W预测未知标签的目标域样本DTU的标签。本[发明专利]使用主成份分析方法来降低样本的维度，降低后续计算的复杂度。使用无监督聚类方法将样本聚为多个类别，更能够反应样本的本质特性。使用带标签的目标域样本来学习权重矩阵，更符合目标域样本的实际情况。
本[发明专利]涉及一种基于无监督聚类和度量学习的迁移学习方法，先准备源域样本DS和目标域样本DT；再使用主成份分析方法降低全部样本的维度；然后对源域样本DS进行无监督聚类，将源域样本聚为多个类别；再为每个聚类学习一个度量矩阵G，通过每个聚类和所有的度量矩阵的关联性得出权重矩阵w0，并根据已知标签的目标域样本DTL训练权重矩阵w0，得到最优的权重矩阵W，最后根据权重矩阵W预测未知标签的目标域样本DTU的标签。本[发明专利]使用主成份分析方法来降低样本的维度，降低后续计算的复杂度。使用无监督聚类方法将样本聚为多个类别，更能够反应样本的本质特性。使用带标签的目标域样本来学习权重矩阵，更符合目标域样本的实际情况。
