参数字典稀疏表示的完全无监督域适应

摘要：

无监督域适应(unsupervised domain adaptation,UDA)针对的是源域有标记而目标域无标记的学习问题,其目的是利用从标记大样本源域中所学"知识"来促进无标记小样本目标域的学习性能.但现实中也往往存在样本无标记的源域,形成了所谓的完全无监督域适应.该问题给域适应学习带来了严峻的挑战.受先前提出的软大间隔聚类学习(soft large margin clustering,SLMC)启发,提出了一种参数迁移方法——参数字典稀疏表示的完全无监督的域适应方法(whole UDA,WUDA).SLMC采用分类学习思想在输出(标记)空间中实现给定数据的聚类,在这种实现原理的启发下,从参数(决策函数的权重矩阵)公共字典的角度,在源域和目标域的权重间进行互适应参数字典学习实现知识迁移,同时引入l2,1范数来约束字典系数矩阵,使得各域权重可从公共字典中自适应地选择,从而实现域适应学习.最后,在相关数据集上的实验显示了WUDA在聚类性能上的显著有效性.

关键词：完全无监督域适应(WUDA)、参数公共字典、稀疏表示、无标记小样本问题、软大间隔聚类(SLMC)

所属期刊栏目：13

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos. 61672281, 61472186

在线出版日期：2019-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：822-833