公开(公告)号：CN115035335A

公开(公告)日：2022-09-09

申请号：CN202210637518.0

申请日：2022-06-07

Applicant: 杭州电子科技大学

Inventor： 李梦茹 ,  高发荣 ,  张启忠

IPC: G06V10/764 ,  G06V10/762 ,  G06N20/00

Abstract: 本发明提出一种基于伪标签改进的迁移学习方法，用于解决迁移学习中因目标伪标签不精准造成目标分类器精度效果受损的问题。本发明方法首先通过将目标域样本聚类后与源域已确定的类别中心进行类别匹配(类心匹配)，获取伪标签；并且通过添加特征投影减小原始样本差异。最后结合投影后的低维样本和伪标签进行目标加权，学习目标分类器。与现有技术相比，本发明能够通过改善伪标签精度以及对样本进行特征投影处理，来提高样本的加权效果和提升目标样本的分类精度。

公开(公告)号：CN115035335B

公开(公告)日：2025-04-29

申请号：CN202210637518.0

申请日：2022-06-07

Applicant: 杭州电子科技大学

Inventor： 李梦茹 ,  高发荣 ,  张启忠

IPC: G06V10/764 ,  G06V10/762 ,  G06N20/00

Abstract: 本发明提出一种基于伪标签改进的迁移学习方法，用于解决迁移学习中因目标伪标签不精准造成目标分类器精度效果受损的问题。本发明方法首先通过将目标域样本聚类后与源域已确定的类别中心进行类别匹配(类心匹配)，获取伪标签；并且通过添加特征投影减小原始样本差异。最后结合投影后的低维样本和伪标签进行目标加权，学习目标分类器。与现有技术相比，本发明能够通过改善伪标签精度以及对样本进行特征投影处理，来提高样本的加权效果和提升目标样本的分类精度。