原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本说明书公开了一种训练模型和小样本分类的方法及装置，通过计算不同样本之间各局部特征的相似度，使得后续确定的权重分布可以更好体现样本之间共生信息的重要程度，而构建最优传输问题时通过加入熵正则项，使得可通过迭代优化得到传输成本矩阵，最后基于各样本对的传输成本矩阵和各查询样本在训练样本集中的标注，确定损失函数，使该特征提取模型学习到提取对查询样本进行分类更有效的特征。可见训练模型并没有学习加权所用的传输成本矩阵，而是对每个样本对解算得到传输成本矩阵，使得本说明书提供的实施例不会被学习的通用加权矩阵限制
(19)中华人民共和国国家知识产权局
(12)发明专利
(10)授权公告号 CN 112598091 B
(45)授权公告日 2021.09.07
(21)申请号 202110248702.1 (51)Int.Cl.
文档评论（0）