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可靠样本选择和双分支动态网络的多源域自适应方法，首先构建了双分支动态网络，通过感知不同域的输入和不同实例输入来动态调整网络参数，得到域感知和实例感知结合的特征表示。在此基础上，对目标域无标记的数据，通过选择模型的分类预测结果的熵小于预先设定阈值的样本来作为可靠样本，并为可靠样本分配伪标签作为监督信息，来参与网络的训练过程，在训练过程中不断增大阈值以使得更多可靠样本被选择，模型达到收敛时，对于目标域无标记样本的分类结果即为最终结果。本发明能一定程度减小噪声伪标签的影响，进一步提
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN115082725A
(43)申请公布日2022.09.20
(21)申请号202210542353.9
(22)申请日2022.05.17
(71)申请人西北工业大学
地址710072
文档评论（0）