《表3 具有特殊先验信息的半监督设定下6个域转化实验精度的均值和方差》
%
在半监督场景下,每一个已知类随机选取了3个样本加固定标签作为带有先验信息的样本,这样的样本有普遍性,近邻距离影响可能较小或者没有,在目标函数中不具有能决定分配伪标签的效果。具有特殊先验信息的半监督设定下6个域转化实验精度的均值和方差如表3所示。导致运行本次半监督实验结果的鲁棒性很强。考虑现实情况,如果在特殊人为的先验条件下,凭经验能确定部分具有代表性的和容易判断错误的样本标签,那么这类样本对整个分类判别分析的影响会很大,并且在选取少量固定标签样本情况下变化幅度也会很大,通过实验来验证本文的猜想。在这样的假设条件下,优先选择具有代表性的或者容易分配为错误标签的样本,一个特殊的半监督场景:在第一次通过目标域样本到已知类中心的距离判断伪标签的时候,选择出那些判断错误的样本,作为半监督场景下加注释的部分。在优先选择这些强注释样本条件下,同样每个类别随机抽取3个样本加标签注释,形成特殊的半监督环境。实验验证了本文的猜想,并且与先前验证实验效果一致。
图表编号 | XD00204323200 严禁用于非法目的 |
---|---|
绘制时间 | 2021.03.01 |
作者 | 刘晓龙、王士同 |
绘制单位 | 江南大学人工智能与计算机学院、江南大学江苏省媒体设计与软件技术重点实验室 |
更多格式 | 高清、无水印(增值服务) |