搜索结果: 1-7 共查到“计算机科学技术 迁移学习”相关记录7条 . 查询时间(0.253 秒)
基于迁移学习的离心式水泵扬程性能预测
离心式水泵 迁移学习 神经网络预测 最小二乘归纳式迁移学习
2020/11/30
离心式水泵作为工业领域常见的抽水机械，一直有着广泛的应用。然而在其性能指标预测过程中，理论模型难以达到高精度要求，而机器学习模型难以应用于多工况环境。本文提出了一个最小二乘归纳式迁移学习（LSITL）方法，该方法利用离心式水泵扬程性能曲线特征，通过最小二乘方式提取迁移知识，并利用归纳法建立多工况下的迁移模型，再通过最小二乘支持向量机（LSSVM）方法的反向求解实现对离心式水泵的性能预测。本文通过与...
遥感分类旨在从图像光谱中提取资源环境监测可用的地理信息，然而基于模式分类的图像处理技术受光谱漂移影响而缺乏历史样本重复利用的有效策略，制约着有限目标样本下遥感分类精度的提高.针对该问题，本文构建了基于改进的贝叶斯ARTMAP神经网络的迁移学习遥感影像分类算法，通过提高谐振匹配性来抑制类别扩散，利用节点的离散增量期望最大化参数更新策略，将历史遥感样本中的地物分类先验信息迁移到目标模型当中.实验结果表...
基于迁移学习的软件缺陷预测
软件缺陷预测 迁移学习 机器学习 朴素贝叶斯
2014/6/6
传统软件缺陷预测方法在解决跨项目缺陷预测过程中适应能力不足,主要是因为源项目和目标项目之间存在不同的特征分布.为了解决这个问题,提出一种新的加权贝叶斯迁移学习算法,算法首先收集训练数据和测试数据的特征信息,然后计算特征差异,将不同项目数据之间差异转化为训练数据权重,最后基于这些权重数据建立预测模型.在8个开源项目数据集上进行实验比较,实验结果表明与其他方法相比本文方法显著提高跨项目缺陷预测性能.
传统的回归系统构建方法假设用于建模的数据是充分的,但若当前场景中重要数据信息缺失,则基于此数据集训练所得系统泛化能力较差。针对此缺陷,以支持向量回归机(SVR)为基础,提出了具有迁移学习能力的回归机系统,即迁移学习支持向量回归机(T-SVR)。T-SVR不仅能充分利用当前场景的数据信息，而且能有效地利用历史知识来学习，具有通过迁移历史场景知识来弥补当前场景信息缺失的能力。具体地，通过控制目标函数中...
具有协同约束的共生迁移学习算法研究
协同约束 共生迁移学习 分类 支持向量机
2012/11/14
传统迁移学习方法通常直接利用相关领域中的数据来辅助完成当前领域的学习任务，而忽略了领域间互相学习的能力.针对此类问题，提出了一种具有协同约束的共生迁移学习方法（Collaborative Constraints based Symbiosis Transfer Learning，CCSTL）.在协同约束的基础上，引入共生迁移机制实现领域间的交替互动学习，进而实现源领域和目标领域间的知识迁移，从而提...
为充分利用过期训练数据和数据结构相关性进行新领域的学习，提出一种基于Markov逻辑网的迁移学习方法。该方法对源域与目标域的谓词进行自动映射后，通过自我诊断、结构更新和新公式挖掘3个步骤对映射结构进行优化，使之更适用于目标域数据。实验结果证明，与传统的机器学习方法相比，该方法使概率推理所获结果的准确率更高，所需的学习时间与训练数据更少。