两阶段领域自适应学习

CASIA OpenIR > 多模态人工智能系统全国重点实验室 > 人工智能与机器学习（杨雪冰）-技术团队

	两阶段领域自适应学习
	田磊1,2 ; 唐永强1 ; 张文生1,2
发表期刊	模式识别与人工智能
	2019
卷号	32 期号:9 页码:773-784
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.
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
语种	中文
文献类型	期刊论文
条目标识符	http://ir.ia.ac.cn/handle/173211/48554
专题	多模态人工智能系统全国重点实验室_人工智能与机器学习（杨雪冰）-技术团队
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
第一作者单位	中国科学院自动化研究所
通讯作者单位	中国科学院自动化研究所
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.

条目包含的文件		下载所有文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
两阶段领域自适应学习.pdf（705KB）	期刊论文	作者接受稿	开放获取	CC BY-NC-SA	浏览下载