排序方式： 共有2条查询结果，搜索用时 62 毫秒
1
1.
同构迁移学习理论和算法研究进展 总被引：1，自引：0，他引：1
迁移学习的目的是解决目标领域中训练样本不足的学习问题,可以把一些在其他相关的源领域中获得的知识,迁移到目标领域中.它放宽了传统机器学习中的两个基本假设：用于学习的训练样本与新的测试样本满足独立同分布的条件;必须有足够可利用的训练样本才能学习得到一个较好的分类模型.按照源领域和目标领域的特征空间是否相同可划分为同构迁移学习和异构迁移学习.本文主要针对同构迁移学习的相关研究进展进行了综述,从理论、算法、应用方面介绍了在该领域所做的研究工作,并指出了同构迁移学习未来可能的研究方向. 相似文献
2.
针对城市光伏屋顶类型多样致使样本不平衡,高空间分辨率卫星影像光伏屋顶提取问题,提出了一种材质和倾角属性筛选的方法。通过选取天津市南开区、红桥区、和平区、河东区卫星影像,利用标注于光伏屋顶的材质和倾角两种属性筛选出样本均衡的数据集,借助TensorFlow框架下集成的U-Net算法并合理设置参数,得到了光伏屋顶提取结果,并与未利用材质和倾角两种属性筛选情况下的光伏屋顶提取结果进行对比。试验结果表明：本文方法提取精度较高,尤其是对于研究区域不常见的光伏屋顶,能够提取出更为完整准确且边界清晰的结果。 相似文献
1