两阶段领域自适应学习 | |
田磊1,2; 唐永强1; 张文生1,2 | |
刊名 | 模式识别与人工智能 |
2019 | |
卷号 | 32期号:9页码:773-784 |
关键词 | 领域自适应 两阶段学习 边缘分布适配 条件分布适配 判别信息保留 |
英文摘要 | 针对领域自适应问题中源域和目标域的联合分布差异最小化问题,提出两阶段领域自适应学习方法. 在第一阶段考虑样本标签和数据结构的判别信息,通过学习一个共享投影变换,使投影后的共享空间中边缘分布的 差异最小. 第二阶段利用源域标记数据和目标域非标记数据学习一个带结构风险的自适应分类器,不仅能最小化源域和目标域条件分布差异,还能进一步保持源域和目标域边缘分布的流形一致性. 在3个基准数据集上的实验表明,文中方法在平均分类准确率和Kappa系数两项评价指标上均表现较优. |
语种 | 中文 |
内容类型 | 期刊论文 |
源URL | [http://ir.ia.ac.cn/handle/173211/48554] |
专题 | 精密感知与控制研究中心_人工智能与机器学习 |
通讯作者 | 张文生 |
作者单位 | 1.中国科学院自动化研究所 2.中国科学院大学 |
推荐引用方式 GB/T 7714 | 田磊,唐永强,张文生. 两阶段领域自适应学习[J]. 模式识别与人工智能,2019,32(9):773-784. |
APA | 田磊,唐永强,&张文生.(2019).两阶段领域自适应学习.模式识别与人工智能,32(9),773-784. |
MLA | 田磊,et al."两阶段领域自适应学习".模式识别与人工智能 32.9(2019):773-784. |
个性服务 |
查看访问统计 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论