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
本发明公开了一种基于宽度学习和随机敏感度的领域自适应图像分类方法，包括：1)构建宽模型输入信息；2)构建宽度网络模型；3)将边缘分布对齐损失引入到模型中；4)将更细粒度的常规条件分布对齐损失引入到模型中；5)迭代挑选出具有高质量的伪标签，构建增强的条件分布对齐损失并引入到模型中；6)将流行正则化引入到模型中，探索样本的潜在分布信息；7)将随机敏感度引入到模型中，解决模型在源域样本上过拟合的问题；8)求解出模型连接权值，并求出分类结果。本发明使得模型能够在具有不同分布的目标域上取得更好的效果。本发
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116452854 A
(43)申请公布日 2023.07.18
(21)申请号 202310274623.7 G06N 3/08 (2023.01)
(22)申请日 2023.03.2
文档评论（0）