稀疏化非監督分層概率自組織圖方法
大小：0.86 MB 人氣：0 2017-12-21 需要積分：1
針對基于實例的遷移學習在關聯多源異構領域數據時遇到的數據顆粒度不匹配問題，以單領域分層概率自組織圖（ HiPSOC）聚類方法為基礎，提出一種具有遷移學習能力的稀疏化非監督分層概率自組織圖（TSHiPSOC）方法。首先，在源領域和目標領域分別基于概率混合多變量高斯分布生成分層自組織模型以便在多領域中分別提取不同粒度的表示向量，并用稀疏圖方法通過概率準則控制模型增長；其次，利用最大信息系數（ MIC），在具有富信息的源領域中尋找與目標領域表示向量最相似的表示向量，并利用這些源領域表示向量的類別標簽細化目標領域數據分類；最后，在國際通用分類數據集20新聞組數據集和垃圾郵件檢測數據集上進行了實驗，結果表明算法可以利用源領域的有用信息輔助目標領域的分類問題，并使分類準確率最高提高約15. 26%和9.05%；對比其他經典遷移學習方法，通過稀疏分層可以挖掘不同顆粒度的表示向量，分類準確率最高提高約4. 48%和4.13%。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
稀疏化非監督分層概率自組織圖方法下載
相關電子資料下載
- 昆侖萬維開源2千億稀疏大模型Skywork-MoE 371
- 一種柔性稀疏傳感器網絡系統，用于新生兒不安運動評估 607
- MCU項目實現應用與硬件分層管理的關鍵步驟 181
- 基于柔性無線IMU傳感器的稀疏傳感網絡，用于新生兒腦癱快速篩查 375
- 基于柔性無線IMU傳感器的稀疏傳感網絡 159
- 簡述存儲器的層次結構及其分層原因 1272
- 計算機網絡為什么要分層次 1304
- 密鑰分層管理體制 400
- Sparse4D-v3：稀疏感知的性能優化及端到端拓展 806
- 聊聊嵌入式軟件分層 406