基于传递式领域自适应的异构样本增强方法

摘要：

小样本问题广泛存在于数据驱动建模.领域自适应方法通过将源域中的样本知识迁移到目标域,从而实现目标域中的小样本增强,然而此类方法在实际应用中受限,原因在于难以应对领域分布差异较大的样本增强场景.针对上述问题,该文提出基于传递式领域自适应的异构样本增强方法.首先,提出传递式探索策略,通过私有特征和共享特征设计了面向异构域的领域分布探索策略,有效地缓解了负迁移,并为后续分布匹配提供支撑;然后,提出分布联合匹配机制,通过联合匹配异构领域的边缘分布和条件分布,并嵌入自适应机制,从而保证了异构域分布的匹配精度.该方法在业界公认的田纳西-伊斯曼数据集进行验证,实验结果表明该方法在异构域中的建模表现优于其他方法.

关键词：域适应、样本增强、迁移学习、小样本、数据驱动建模

所属期刊栏目：34

分类号：TP39(计算技术、计算机技术)

资助基金：河北省智能化信息感知与处理重点实验室发展基金项目;国家自然科学基金;国家自然科学基金

在线出版日期：2024-01-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：17-22