公开(公告)号：CN109034186B

公开(公告)日：2022-05-24

申请号：CN201810595182.X

申请日：2018-06-11

Applicant: 东北大学秦皇岛分校

Inventor： 赵子恒 ,  赵煜辉 ,  刘赣 ,  单鹏

IPC: G06K9/62

Abstract: 本发明涉及一种建立DA‑RBM分类器模型的方法，所述方法包括如下步骤：获取源域数据Xs、与源域数据Xs对应的标签Ys、目标域数据XT以及标签YT；初始化RBM模型参数，将数据Xs、XT输入到RBM网络中，求出一阶特征；将所述一阶特征作为下一阶网络的输入，进行RBM训练；将RBM的隐层输出Hs、HT输入到softmax回归层进行分类；在RBM隐层输出上使用MMD进行源域数据和目标域数据分布的约束；在RBM模型的顶层分类层中使用MMD进行预测结果的约束；构建模型的总代价函数J(θ)，通过优化所述总代价函数来优化分类器模型的参数。本发明所建模型能够对跨域数据进行有效识别。

公开(公告)号：CN109034186A

公开(公告)日：2018-12-18

申请号：CN201810595182.X

申请日：2018-06-11

Applicant: 东北大学秦皇岛分校

Inventor： 赵子恒 ,  赵煜辉 ,  刘赣 ,  单鹏

IPC: G06K9/62

CPC classification number: G06K9/6268 ,  G06K9/6256

Abstract: 本发明涉及一种建立DA‑RBM分类器模型的方法，所述方法包括如下步骤：获取源域数据Xs、与源域数据Xs对应的标签Ys、目标域数据XT以及标签YT；初始化RBM模型参数，将数据Xs、XT输入到RBM网络中，求出一阶特征；将所述一阶特征作为下一阶网络的输入，进行RBM训练；将RBM的隐层输出Hs、HT输入到softmax回归层进行分类；在RBM隐层输出上使用MMD进行源域数据和目标域数据分布的约束；在RBM模型的顶层分类层中使用MMD进行预测结果的约束；构建模型的总代价函数J(θ)，通过优化所述总代价函数来优化分类器模型的参数。本发明所建模型能够对跨域数据进行有效识别。