简介:域自适应算法是一种能有效解决训练集(源域)和测试集(目标域)样本分布不一样但是具有相关性的方法.文章提出一个跨领域分布适配超限学习机(DDM-ELM)用于解决域自适应问题.DDM-ELM旨在基于超限学习机的框架下,充分利用丰富的有标签源域样本和无标签目标域样本,得出一个精确的目标域分类器.具体来说,DDM-ELM同时满足以下目标:1)最小化源域样本的分类误差;2)通过最小化投影最大化均值偏差来有效减小源域和目标域的分布差距;3)利用目标域样本的流形正则化来探索目标域样本的几何机构特性.这使得DDM-ELM能在同时继承超限学习机优点的前提下更加适合于目标域样本.经过大量的实验结果证明,相比于几种先进的域自适应方法,DDM-ELM在分类准确率和效率上均有所提高.
简介:摘要新疆地域辽阔,矿产资源十分丰富,尤以能源矿产资源最具优势,在全国占有重要的战略地位。据预测,其中石油、天然气预测资源量占全国的1/3和34%,煤炭预测资源量占全国的40%以上,均居全国首位;有色金属、黑色金属、贵金属和稀有金属矿产资源在全国也占有重要地位,非金属矿产不仅种类多,且品种齐全。所以新疆是全国能源矿产、有色金属矿产、贵金属矿产后备资源的重要战略接替区。但新疆矿产资源开发地大多位于河流上游地带,区域降水相对充沛,植物繁茂,覆盖率高。长期以来,由于对矿区资源进行掠夺性的开发,导致矿区植被破坏,造成水源涵养功能下降或水源污染,生态平衡遭到极大破坏。
简介:运用Nevanlinna值分布理论中亚纯函数的基本理论,在研究亚纯函数差分的值分布理论的基础上得到了超越亚纯函数差分的值分布问题,并对一些文献中的条件加以改进,得到了关于差分问题的三个结果。