基于核子空间对齐的非监督领域自适应

摘要：

在模式识别算法中通常假设训练样本和测试样本服从同一分布.然而,当这种假设无效时,分类准确率会显著下降.领域自适应试图通过矫正源域分布和目标域分布的不匹配来解决分类准确率下降的问题.文中提出了核子空间对齐的非监督领域自适应方法(KSA),其基本思想是首先对源域和目标域分别提取非线性特征,然后对齐提取的两个特征坐标系,使得在发生域迁移时源域和目标域的特征保持不变.视觉分类任务上的实验结果表明,KSA优于目前有竞争力的非监督域自适应方法.

关键词：核空间对齐、领域自适应、图像识别、迁移学习

所属期刊栏目：35

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金61402238;江苏省博士后基金1302054C

在线出版日期：2016-01-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：77-83