[发明专利]一种基于半监督聚类的迁移学习方法有效
申请号: | 201210464867.3 | 申请日: | 2012-11-16 |
公开(公告)号: | CN103020122A | 公开(公告)日: | 2013-04-03 |
发明(设计)人: | 初妍;陈曼;沈洁;夏琳琳;王勇;李丽洁;高迪;王兴梅 | 申请(专利权)人: | 哈尔滨工程大学 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供的是一种基于半监督聚类的迁移学习方法。包括计算目标数据与辅助数据各类中数据的相似度、平均相似度;由平均相似度得到目标数据与类标签的一个相似度权重向量,取向量中权重最大的为目标数据的标签;以目标数据为质心,进行K-均值聚类,聚类成簇,每簇中以簇中数据占所属类中总数据比例最大者的标签为簇标签;将再分类结果与预分类结果做对比;在最终形成的目标数据相似度权重向量中,挑选权重最大的数据标签作为目标数据数据标签,从而形成最终分类器。本发明提供一种将分类方法、技术从一个领域迁移到另一个领域的提高分类结果精确度的一种基于半监督聚类的迁移学习方法。 | ||
搜索关键词: | 一种 基于 监督 迁移 学习方法 | ||
【主权项】:
一种基于半监督聚类的迁移学习方法,其特征在于包括以下步骤:(1)、计算目标数据与辅助数据各类中数据的相似度;(2)、计算目标数据与辅助数据各类的平均相似度;(3)、预分类:由平均相似度得到目标数据与类标签的一个相似度权重向量,取向量中权重最大的为目标数据的标签;(4)、再分类:以目标数据为质心,进行K‑均值聚类,聚类成簇,每簇中以簇中数据占所属类中总数据比例最大者的标签为簇标签;(5)、将再分类结果与预分类结果做对比,若两者相同,则增大相似度权重向量中类标签权重;若不相同,则减小类标签权重;(6)、在最终形成的目标数据相似度权重向量中,挑选权重最大的数据标签作为目标数据数据标签,从而形成最终分类器。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学,未经哈尔滨工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201210464867.3/,转载请声明来源钻瓜专利网。
- 上一篇:一种基于视频源实现混音的方法和装置
- 下一篇:负载控制装置