目标域

摘要： 为解决行人重识别中的相似背景干扰问题,提出抑制背景干扰的行人重识别方法.首先对多摄像头监控场景下的行人重识别中的前景与背景的隐含关系进行分析;然后设计背景抑制网络模型,包括前景子网络、背景子网络和噪声抑制模块;最后在噪声抑制损失函数的作用下增强前景子网络对行人特征的提取能力,抑制背景噪声.在Market1501和DukeMTMC-reID数据集上进行仿真实验,结果表明,所提方法具有较低的计算复杂度,在提高模型识别性能的同时,可迁移能力有明显提高.

摘要： 域适应主要应对跨不同数据分布的相似任务决策问题。作为机器学习领域的一个新兴分支,域适应受到了众多的研究和关注。随着近年深度学习的兴起,深度学习和域适应相结合的深度域适应研究得到了更多的关注。尽管已有各种深度域适应方法被提出,却鲜有系统的综述工作发表。为此,本文重点对现有的深度域适应方法进行全面回顾、分析和总结,为相关研究人员提供借鉴和参考。本文主要贡献包括以下方面:首先,对域适应的背景、概念和应用领域进行概括总结。其次,根据模型是否涉及对抗训练机制,将现有深度域适应划分为深度对抗域适应和深度非对抗域适应两大类方法,并逐类回顾和分析。然后,对常用的实验基准数据集进行归类和总结。最后,对现有深度域适应工作存在的问题和不足进行了归纳分析,并讨论了将来的可行研究方向。

摘要： 作为一部哈尼族集体创作的迁徙史诗,《哈尼阿培聪坡坡》文本中蕴藏着众多形式丰富的隐喻表达,这些隐喻表达不仅折射出哈尼族先民看待外界和自己的方式,更展现出哈尼民族在自然的实践和情感的交融中逐渐建构起的族群意识。文本中显性隐喻是《哈尼阿培聪坡坡》中最主要的隐喻方法,代表哈尼族先民与自然之间紧密而亲密的关系,显性隐喻的固定表达式更蕴含着先民们在人和自然的同构中生发出的族群凝聚力和共同体意识。

摘要： 多源在线迁移学习已经广泛地应用于相关源域中含有大量的标记数据且目标域中数据以数据流的形式达到的应用中。然而,目标域的类别分布有时是不平衡的,针对目标域每次以在线方式到达多个数据的不平衡二分类问题,本文提出了一种可以对目标域样本过采样的多源在线迁移学习算法。该算法从前面批次的样本中寻找当前批次的样本的k近邻,先少量生成多数类样本,再生成少数类使得当前批次样本的类别分布平衡。每个批次合成样本和真实样本一同训练目标域函数,从而提升目标域函数的分类性能。同时,分别设计了在目标域的输入空间和特征空间过采样的方法,并且在多个真实世界数据集上进行了综合实验,证明了所提出算法的有效性。

摘要： 总体研究搜集的语料,在此基础上对“房屋构件”词汇隐喻的映射过程进行分析。研究表明:人们的日常生活经验构成了各种隐喻映射的认知基础。汉日两种文化对“房屋构件”词汇隐喻的认知相同点多于不同点。但是由于不同的民族具有不同的文化价值观念,对同一具体概念的各种特征和功能的关注以及认识的程度不尽相同。

摘要： 《诗经》中隐喻素材丰富多彩、寓意深刻。由于中日两国文化及文学传统的差异,隐喻意象难以在译文中全面映现。从隐喻认知理论的视角出发,对目加田诚《诗经》日译本的隐喻翻译进行论述和分类,总结归纳出隐喻翻译的四种类型:移植喻体意象、为喻体意象加注释、寻求相应的喻体意象、以及舍弃喻体意象。在此基础上进一步探讨隐喻意象在译本中的跨域映射、译者的隐喻翻译策略及特点。

摘要： 针对当前基于深度学习的金融文本分类模型严重依赖于标记数据的问题,提出了一种基于跨领域迁移的AM-AdpGRU金融文本分类模型,通过学习相关领域数据的分类准则将其迁移到目标领域数据。AM-AdpGRU模型首先利用深度网络自适应来克服源领域和目标域之间数据分布差异导致的迁移损失,使得即使数据分布发生变化时模型也无需重构;然后利用注意力机制建立了目标域对源领域的特征选择机制,使得模型对源领域的注意力可以集中在与目标域相似性更高的部分。在公开的跨域情感评论Amazon数据集和SemEval-2017的Microblog金融数据集上进行了实验,将AM-AdpGRU模型与其他方法进行比较,结果表明AM-AdpGRU模型的分类平均准确性相对于其他模型有了显着提升。

摘要： 为了提升光伏输出功率预测精度和平抑功率波动,提出一种兼顾补偿预测误差和平抑波动的光伏混合储能协调控制策略.首先,利用概率统计分布对预测误差和功率波动进行分析,确立补偿预测误差和平抑波动目标域,基于预测允许误差上下限值确定补偿预测误差目标域的充/放电参考功率,以一阶低通滤波平滑曲线确定平抑波动目标域的充/放电参考功率.然后,基于频谱分析将目标域外的功率分解为高频和低频分量,实现功率分配目的,并基于目标域将混合储能电池分为4组,根据充/放电参考功率进行充/放电池组状态切换,实现对不同工况补偿预测误差的初级控制和平抑波动的次级控制,完成混合储能充/放电优先级控制.最后,以中国新疆某光伏电站为例进行算例分析,结果表明了所提策略的有效性.

摘要： 目标域协同射击控制模型是在单平台火控系统空域窗射击控制、射击门控制等基础上,针对多武器平台对点目标或面目标协同射击的需求,进行了目标域和射击效能的定义,提出了空间/时间复合三维射击门的概念,设计了三维射击门模型,分别建立了多武器平台对点目标射击控制模型和多武器平台对面目标射击控制模型,通过对多武器平台协同射击效能的计算分析,证明了目标域协同射击控制模型可显著提高多武器平台协同射击对目标的火力打击效能.

摘要： "不忘初心、牢记使命"是一个重大的理论命题,深刻体现了中国共产党鲜明的价值追求和价值理念.中国共产党的初心使命具有明确的现实导向,包括夯实"至纯至真"的理想信念、培塑"至深至厚"的为民情怀、锻造"至忠至诚"的党员队伍、续写"至宏至伟"的辉煌事业、构建"至善至美"的大同世界等.从践行路径来说,做到"不忘初心、牢记使命"就要以坚定的理想信念坚守初心,以深厚的理论素养滋养初心,以强烈的责任担当砥砺初心,以务实的苦干实干践行初心.中国共产党的初心使命具有重要的当代意蕴,它是中国共产党人进行伟大斗争的精神动力,是建设伟大工程的关键抓手,是推进伟大事业的价值引领,也是实现伟大梦想的力量源泉.

摘要： 本文通过对三字隐喻构成特点、数量分布、映射规律等方面的细致分析,发现构词层的隐喻与短语层的隐喻有明显的差异,绝大多数构词隐喻只存在一个词语的构词层面,构词成分组合后上升到词汇层面隐喻义消失,其源域和目标域一般来自具体概念,源域到目标域的映射主要是为了实现目标域名词的分类、形态特征、属性描写、事件描述等功用。

摘要： 本发明实施仍从供了一种选择目标共享网络的电路交换(CS)域和分组交换(PS)域运营商的方法及相关装置，解决了用户设备(UE)切换至目标共享网络后注册的CS域运营商与PS域运营商不一致的问题。所述方法包括：当UE通过单一无线语音呼叫连续性(SRVCC)或电路域回落(CSFB)切换至目标共享网络，UE在CS域通话过程结束之前，目标共享网络的第一移动交换中心(MSC)接收移动管理实体(MME)发送的UE的移动管理实体编码(MMEC)和公共陆地移动网标识(PLMN ID)；第一MSC向UE发送CS域的临时移动用户标识(TMSI)和位置区标识(LAI)，TMSI中包含CS域的网络资源标识(NRI)，所述NRI所述MMEC相同，LAI包含PLMN ID，所述LAI中的PLMN ID与第一MSC接收的所述PLMN ID相同，以使得UE在向目标共享网络的基站发送的CS域的注册请求消息中携带TMSI和LAI。该方法应用于通信技术领域。

摘要： 本发明公开了一种通过无监督域适应训练目标域分类模型的方法，包括：对于源域和目标域输入的批图像数据，通过标准卷积网络来提取特征，然后结合初始化设定的质心特征构建对应于源域和目标域的实例图；实例图中的节点矩阵依次通过源域分类器与图卷积网络后，生成对应于源域和目标域的类别质心特征；使用类别质心对齐机制，约束图卷积网络每层中来自不同域的类别质心，使不同域的类别质心随着迭代训练而逐渐靠近；并且，使用质心指导的对抗性对齐机制，利用所有类别自动生成的质心作为域全局统计信息指导每批图像数据参与对抗训练；通过迭代训练最终得到在目标域有效的分类模型。上述方法具有很好的泛化性，且训练好的分类模型分类准确较高。

摘要： 一种将来自源彩色设备的源色彩映射到目标彩色设备的目标色彩的方法，所述源彩色设备具有通过源凸GBD(域边界描述符)和源非凸GBD表示的实际源域，所述目标彩色设备具有通过目标凸GBD和目标非凸GBD表示的实际目标域，所述方法包括：1-域映射步骤，如果要映射的源色彩位于源非凸GBD之外，则将源色彩映射到源非凸GBD，2-后映射步骤，如果所映射的目标色彩位于目标非凸GBD之外，则将目标色彩映射到目标非凸GBD。此方法允许精确的域映射，同时还允许使用凸域的简单几何运算。

摘要： 本发明公开基于目标域移动机制的多源域自适应方法，涉及分类技术领域，包括以下步骤：通过公共特征提取器对第一源域数据进行公共特征提取；通过第一源域特征提取器对第一源域数据进行第一源域局部自适应得到第一源域局部自适应数据；将第一源域局部自适应数据送入第一源域分类器获取第一源域目标域样本；对第一源域目标域样本和第二源域数据通过第二源域特征提取器提取第二源域网络进行第二源域局部自适应得到第二源域局部自适应数据；将第二源域局部自适应数据送入第二源域分类器获取第二源域目标域样本；将第三源域和第二源域目标域样本自适应输出目标域标签信息。本发明通过目标域的移动串行地与每一个源域进行局部域自适应，提高其分类精度。

摘要： 本发明属于计算机技术领域，具体为一种将视频模型从源域迁移到目标域的领域自适应方法。本发明包括：将来自源域的视频样本和来自目标域的样本在时间维度上连接生成混合样本；混合样本领域判别器判别输入样本的领域构成情况，通过对抗学习增强主干网络提取领域无关性特征的能力；混合样本分类器对输入的样本进行分类；在训练过程中，根据混合样本领域判别器和混合样本分类器的损失函数值动态衡量视频模型中不同模态的领域适应程度，令领域适应程度更强的模态作为教师模态，向其他领域适应程度较弱的模态进行知识蒸馏，以增强其他模态的领域适应程度。本发明利用视频模型输入样本的时间维度信息等特点，显著提高视频模型的领域自适应表现。

摘要： 本发明公开了一种通过无监督域适应训练目标域分类模型的方法，包括：对于源域和目标域输入的批图像数据，通过标准卷积网络来提取特征，然后结合初始化设定的质心特征构建对应于源域和目标域的实例图；实例图中的节点矩阵依次通过源域分类器与图卷积网络后，生成对应于源域和目标域的类别质心特征；使用类别质心对齐机制，约束图卷积网络每层中来自不同域的类别质心，使不同域的类别质心随着迭代训练而逐渐靠近；并且，使用质心指导的对抗性对齐机制，利用所有类别自动生成的质心作为域全局统计信息指导每批图像数据参与对抗训练；通过迭代训练最终得到在目标域有效的分类模型。上述方法具有很好的泛化性，且训练好的分类模型分类准确较高。

摘要： 本发明提出了一种域自适应中基于二分类器检测目标域相似类的方法，包括以下步骤：步骤1：使用源域样本对特征提取器和多二进制分类器进行训练；步骤2：在特征空间上训练对抗生成对齐网络，使目标域样本对齐源域样本；步骤3：观察目标域样本在多二进制分类器上的输出，找出相似的类，同时用TSNE进行降维来验证找到的相似的类；步骤4：利用现有的距离度量学习算法，在度量空间中拉开源域中相似类的距离，然后重新让目标域对齐源域，从而间接拉开了目标域相似类之间的距离，本发明以方便直观可靠的方法找到目标域中相似的类，然后在度量空间上加大相似类之间的距离，以便分类器能准确分类降低误差。

摘要： 用于使用图像处理神经网络系统处理图像的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。系统中的一个包括由一个或多个计算机实施的域变换神经网络，其中域变换神经网络被配置为：从源域接收输入图像；和处理包括来自源域的输入图像的网络输入以生成作为输入图像从源域到不同于源域的目标域的变换的变换图像。

摘要： 本发明公开了一种用于使来自源域的用于对象表示的深度模型适应于目标域的方法，其包括：通过源域的深度模型从目标域的输入图像中提取对象的特征；根据所提取的特征推断对象的群组标签；基于从输入图像导出的目标域先验和所推断的群组标签发现判据，其中，判据包含指示哪些对象不应推断为具有相同群组标签的信息；以及根据所发现的判据微调源域的深度模型，其中，经微调的深度模型输出为目标域的深度模型。本公开还公开了用于使来自源域的用于对象表示的深度模型适应于目标域的系统。

摘要： 一种将来自源彩色设备的源色彩映射到目标彩色设备的目标色彩的方法，所述源彩色设备具有通过源凸GBD(域边界描述符)和源非凸GBD表示的实际源域，所述目标彩色设备具有通过目标凸GBD和目标非凸GBD表示的实际目标域，所述方法包括：1-域映射步骤，如果要映射的源色彩位于源非凸GBD之外，则将源色彩映射到源非凸GBD，2-后映射步骤，如果所映射的目标色彩位于目标非凸GBD之外，则将目标色彩映射到目标非凸GBD。此方法允许精确的域映射，同时还允许使用凸域的简单几何运算。