【技术实现步骤摘要】
本专利技术涉及深度学习和迁移学习领域，特别涉及针对无源域适应方法。
技术介绍
1、大多数机器学习技术需要满足训练集与测试集独立同分布的假设,但在实际应用中这个假设很难满足。域适应是一种在训练集和测试集不满足独立同分布条件下的机器学习技术。一般情况下的域适应只适用于源域目标域特征空间与标签空间都相同的情况,然而实际上这个条件很难满足。为了增强域适应技术的适用性,复杂情况下的域适应逐渐成为研究热点,其中标签空间不一致和复杂目标域情况下的域适应技术是近年来的新兴方向。
2、开放集无源域适应旨在将知识转移到现实场景中，这些场景中的目标领域与有限访问的源领域相比，具有额外的未知类别。由于缺少关于未知类别的信息，现有的方法主要转移已知类别的知识，将未知类别大致归为一类，这减弱了知识转移和泛化。同时，现有方法在探索目标域类别空间时，需要在初始化阶段假设目标域空间簇中心数量。
技术实现思路
1、本方法解决了在开放集源自由领域适应中三个方面的问题：一是未知类别的探索不足。本方法通过引入密度峰值聚...
【技术保护点】
1.一种基于密度峰值聚类与动态类别空间优化的开放集无源域自适应方法，该方法包括：
2.如权利要求1所述的一种基于密度峰值聚类与动态类别空间优化的开放集无源域自适应方法，其特征在于，所述步骤5中生成教师聚类软分布的具体方法为：
3.如权利要求2所述的一种基于密度峰值聚类与动态类别空间优化的开放集无源域自适应方法，其特征在于，所述步骤6的具体方法为：
4.如权利要求3所述的一种基于密度峰值聚类与动态类别空间优化的开放集无源域自适应方法，其特征在于，所述步骤7的具体方法为：
【技术特征摘要】
1.一种基于密度峰值聚类与动态类别空间优化的开放集无源域自适应方法，该方法包括：
2.如权利要求1所述的一种基于密度峰值聚类与动态类别空间优化的开放集无源域自适应方法，其特征在于，所述步骤5中生成教师聚类软分布的具体方法为：
3....
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。