面向多源数据挖掘的多阶段深度迁移学习方法
专利类型：发明专利
语 言：中文
申 请 号：CN201810655461.0
申 请 日：20180623
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区沙正街174号
公 开 日：20181120
公 开 号：CN201810655461.0
代 理 人：陈千
代理机构：成都蓉域智慧知识产权代理事务所(普通合伙) 51250
摘 要：本发明公开了一种面向多源数据挖掘的多阶段深度迁移学习方法，包括以下步骤：S1：根据源数据集与目标数据集的相似性进行排序，与目标数据集相似性更大的排在后面，相似性较小的排在前面。S2：采用卷积神经网络作为预训练模型，并利用排在最前面的目标数据集中的训练样本进行训练，使其满足多分类要求；S3：依次从第一个源数据集进行迁移学习，利用前一个训练好的模型重构下一个源数据集的预训练模型，直到迁移到目标数据集；S4：通过迁移得到目标数据集的重构模型，使用目标数据集对重构模型进行训练，得到最终的分类模型。其效果是：经过多次迁移学习，充分利用多个源样本集，有效增加了模型的学习能力，提升了分类准确率和泛化能力。
主 权 项：1.一种面向多源数据挖掘的多阶段深度迁移学习方法，其特征在于按照以下步骤进行：S1：根据源数据集与目标数据集的相似性进行排序，与目标数据集相似性更大的排在后面，与目标数据集相似性较小的排在前面；S2：采用卷积神经网络作为预训练模型，并利用排在最前面的目标数据集中的训练样本进行训练，使其满足多分类要求；S3：依次从第一个源数据集进行迁移学习，利用前一个训练好的模型重构下一个源数据集的预训练模型，直到迁移到目标数据集；S4：通过迁移得到目标数据集的重构模型，使用目标数据集对重构模型进行训练，得到最终的分类模型。
关 键 词：
法律状态：生效
IPC专利分类号：G06K9/62;G06K9/00;G06N3/04;G06N3/00;G;G06;G06K;G06N;G06K9;G06N3;G06K9/62;G06K9/00;G06N3/04;G06N3/00