基于迁移学习的土地利用分类.docx

基于迁移学习的土地利用分类

摘要

当今人工智能横空出世的时代，机器学习作为其中一个重要部分，从诞生以来，经过几十年的沉淀和积累，在许多领域取得了巨大成功。如何让计算机具有举一反三的能力，如何更好地利用数据，这是一个非常实际的和有价值的问题。于是乎，迁移学习逐渐受到人们的关注。

传统的机器学习都假设训练数据集和目标数据来自同一个特征空间或者具有相同的概率分布。这种假设将问题大大简化，但实际却很难有达到假设的条件。

在图像处理领域，如果源领域和目标领域特征空间不一致，也就是训练数据集和目标数据集不满足传统机器学习的假设，如果要解这个问题，就要重新收集满足分布的数据进行训练。可是重新获取训练