基于模糊规则学习的无监督异构领域自适应

摘要：

异构领域自适应是一种借助源域知识为语义相关但特征空间不同的目标域建模的技术.现有的异构领域自适应方法大多属于半监督方法,这些方法要求目标域中存在一部分已标记样本,然而这种数据集在很多异构领域自适应任务中是稀缺的.为了解决上述问题,提出了一种新的基于模糊规则学习的无监督异构领域自适应算法.一方面,该方法基于TSK模糊系统的规则学习分别对源域和目标域进行特征学习,通过学习两个特征变换矩阵将源域和目标域投影到一个公共特征子空间;另一方面,为了减少因特征变换所造成的信息损失,该算法采取了多种信息保持策略,并且最大化公共特征子空间中源域数据和目标域数据之间的相关性.通过在几个真实领域自适应数据集上进行实验,验证了所提算法相对于现有的异构领域自适应方法具有一定的优越性.

关键词：模糊规则学习;TSK模糊系统;信息保持;异构领域自适应

所属期刊栏目：16

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;上海市脑与类脑智能基础转化应用研究市级重大科技专项

在线出版日期：2022-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：403-412