分类模型训练方法及装置.pdf
春兰****89
亲,该文档总共30页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
分类模型训练方法、装置及分类方法及装置.pdf
本发明提供了一种分类模型训练方法、装置以及分类方法及装置,其中,该分类模型训练方法包括:使用第一神经网络对源域数据和目标域数据进行共有特征捕捉,使第一目标域特征向量学习源域数据和目标域数据的共有特征;使用第二神经网络对源域数据和目标域数据进行差异性特征捕捉,使第二目标域特征向量学习源域数据和目标域数据的差异特征;分别对第一目标域特征向量以及第二目标域特征向量进行聚类;根据聚类的结果及第一分类结果,对第一神经网络以及第一分类器进行本轮训练。该方法既能够将源域和目标域之间的相同特征利用起来,也能够将源域和目标
分类模型训练方法及装置.pdf
本说明书实施例提供分类模型训练方法及装置,其中,该方法包括获取正样本训练数据,并根据至少两种数据增强方法,对正样本训练数据进行数据增强,获得初始负样本训练数据;根据正样本训练数据和初始负样本训练数据,训练获得第一分类模型;根据至少两种数据增强方法、初始负样本训练数据以及第一分类模型,获得目标负样本训练数据;根据正样本训练数据和目标负样本训练数据,训练获得第二分类模型。具体的,该方法可以根据正样本训练数据以及、通过数据增强方法获得的负样本训练数据训练相应的分类模型,提高该分类模型的训练效果,使得该分类模型后
分类模型训练方法及装置.pdf
本发明实施例涉及图像处理领域,提供一种分类模型训练方法及装置,所述分类模型训练方法包括:获取待训练数据集,并将待训练数据集划分为训练样本集及验证样本集;建立对地物进行分类的分类模型,分类模型包括模型参数;基于验证样本集,利用粒子群优化算法对分类模型包括的模型参数进行参数优化,得到优化后的分类模型;利用训练样本集对优化后的分类模型进行训练,以使得训练后的分类模型对遥感图像进行地物分类。与现有技术相比,本发明实施例利用粒子群优化算法迭代选取分类模型的最优模型参数,避免了分类模型训练过程中模型参数选择的盲目性,
分类模型训练方法及装置.pdf
本发明公开了一种分类模型训练方法及装置,属于数据处理技术领域。方法包括:根据本轮正例样本和本轮负例样本进行模型训练,得到本轮分类模型;若本轮分类模型不满足指定条件,则利用本轮分类模型对全部样本进行分类,根据分类结果在全部样本中选取特定样本;将本轮正例样本和特定样本作为下一轮正例样本,根据下一轮正例样本确定下一轮负例样本;根据下一轮正例样本和下一轮负例样本,继续执行上述模型训练和样本处理过程,直至得到满足指定条件的分类模型。随着正例样本数量的不断增加,负例样本中包含的潜在正例样本会随之下降,可有效提升负例样
分类模型训练方法以及装置.pdf
本说明书实施例提供分类模型训练方法以及装置,其中所述分类模型训练方法包括:获取训练样本数据以及目标样本标签,并根据所述训练样本数据以及所述目标样本标签训练获得中间分类器,其中,所述训练样本数据包括目标项目的历史待审核项目数据,将所述训练样本数据及所述目标样本标签输入所述中间分类器,获得所述训练样本数据对应的样本测试结果,根据所述样本测试结果,确定所述训练样本数据的训练样本标签,根据所述训练样本数据以及所述训练样本标签,训练获得目标分类模型,其中,所述目标分类模型用于对所述目标项目的待审核项目数据进行分类,