参数字典稀疏表示的完全无监督域适应*

• 作者: 余欢欢 陈松灿
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 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)
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 822-833
• 页数: 12页
• 分类号: TP391
• 字数: 8676字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1806014

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈松灿	南京航空航天大学计算机科学与技术学院	120	1370	19.0	32.0
2	余欢欢	南京航空航天大学计算机科学与技术学院	1	8	1.0	1.0