迁移学习辅助基于机器学习的传输质量评估

摘要

当光纤链路的数据分布发生变化时,机器学习评估链路传输质量需要重新搜集数据并重新训练,这个过程是耗时的、复杂的。迁移学习直接将以前学到的知识应用到现在的任务,需要更少的数据。因此,文章提出在具有相关性的光通信系统中,使用两种迁移学习方式辅助基于机器学习的多分类器,仿真结果表明,迁移学习结合微调技术的机器学习多分类器比直接迁移的机器学习多分类器多分类指标分数提高0.25以上,减少了样本不均衡的影响,每个类别都具有高性能,证实迁移学习结合微调技术的机器学习多分类器能够减小数据集,降低了搜集数据集的成本,提高了光纤链路传输质量评估问题的效率。