《表5 样本集降维对迁移模型性能影响》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合迁移学习模型的卷积神经网络算法研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

由图5可以得出，降维后的源域数据与目标域数据相较于原始数据在数据分布上已经取得了较高的相似度。微博情感分类数据在未降维的情况下与源域数据的JS散度为48%，在经过5次特征降维后达到了86%。而垃圾评论数据集与文本分类数据集在无降维条件下，特征分布相似度仅为12%和19%，但经过5次降维后最终达到了72%和70%的结果。这说明特征降维能够提高数据分布的相似度。同时，本文设计了实验来验证数据分布相似度对迁移模型分类效果的影响，实验结果如表5所示。