基于张量表示的域适配的迁移学习中特征表示方法OA北大核心CSCDCSTPCD
A Novel Feature Representation Based on Tensor and Domain Adaption for Transfer Learning
本文提出一种新的基于张量表示的域适配迁移学习中的特征表示方法,即融合联合域对齐和适配正则化的基于张量表示的迁移学习特征表示方法.当源域和目标域差异很大时,仅将源域对齐潜在共享空间,会造成数据扭曲过大.为缓解此问题,本文方法提出联合域对齐,即源域和目标域同时对齐共享子空间.并且本文方法将适配正则化引入张量表示空间求解.本文适配正则化包括动态分布对齐和图适配,以缩小域间分布差异和保留样本间流行一致性.最后融合联合域对齐,动态分布对齐和图适配,通过联合优化求解获得共享子空间表示.几个公共的跨域数据集上的大量实验结果表明了本文方法优于其它主流的迁移学习方法,验证了本文方法的有效性.
赵鹏;王美玉;纪霞;刘慧婷
安徽大学计算机智能与信号处理教育部重点实验室,安徽合肥230601安徽大学计算机科学与技术学院,安徽合肥230601CCF
信息技术与安全科学
张量表示迁移学习域适配
《电子学报》 2020 (2)
基于深度学习和迁移学习的图像自动语义标注方法研究
359-368,10
国家自然科学基金(No.61602004)安徽省高校自然科学研究重点项目(No.KJ2018A0013,No.KJ2017A011)安徽省自然科学基金(No.1908085MF188,No.1908085MF182)安徽省重点研究与开发计划项目(No.1804d08020309)
评论