首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于动态调整多采样区域的低维K中心数据遴选的方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:杭州电子科技大学平湖数字技术创新研究院有限公司

摘要:本发明提出了一种基于动态调整多采样区域的低维K中心数据遴选的方法及系统。方法包括:S1、根据损失预测网络度量未选择训练数据集中样本不确定性;S2、根据样本的不确定性对未选择的训练数据集中的样本进行排序;S3、根据排序后的结果,将未选择训练数据集中样本按不确定性划分为不确定性最大和不确定性渐进多个采样区域;S4、迭代过程中动态调整区域权重调整多个采样区域的大小;S5、将多采样区域内样本特征投影到低维空间;S6、在低维空间中K中心贪婪采样,选择出具有代表性的样本添加到训练子集;S7、根据S6中的训练子集训练目标模型和损失预测网络,并根据训练后的损失预测网络,执行S1到S6,直到训练子集样本数量达到预先设定个数。

主权项:1.基于动态调整多采样区域的低维K中心数据遴选的方法,其特征在于,包括如下步骤:S1、根据损失预测网络度量未选择训练数据集中样本不确定性;S2、根据样本的不确定性对未选择的训练数据集中的样本进行排序;S3、根据排序后的结果,将未选择训练数据集中样本按不确定性划分为不确定性最大和不确定性渐进多个采样区域;S4、迭代过程中动态调整区域权重以调整不确定性最大和不确定性渐进的采样区域的大小;S5、将多个采样区域内的样本特征投影到低维空间;S6、在低维空间中执行K中心贪婪采样,选择符合设定条件的样本添加到训练子集;S7、根据步骤S6中的训练子集训练目标模型和损失预测网络,并根据训练后的损失预测网络,返回执行步骤S1到步骤S6,直到训练子集样本数量达到预先设定个数时停止迭代。

全文数据:

权利要求:

百度查询: 杭州电子科技大学平湖数字技术创新研究院有限公司 基于动态调整多采样区域的低维K中心数据遴选的方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。