基于参数字典的多源域自适应学习算法

• 作者: 汪云云 郑雄风
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 域自适应 多源域 字典学习 交替迭代 迁移学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 7-13
• 页数: 7页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.11.002

摘要

领域自适应是机器学习算法研究中一个热点,多源域自适应旨在利用多个源域的相关知识辅助目标域进行学习,现有多源领域自适应方法仅关注各源域和目标域间的知识迁移,很少考虑各源域间的相关性和共享信息.为此,提出一种基于参数字典的多源域自适应学习算法(DL_MSDA),通过学习各源域模型参数的公共字典,挖掘源域间的共享知识,并将其迁移至目标域,指导目标域模型参数的学习,完成知识从多个源域到目标域的迁移.模型可利用交替迭代(ADMM)方法进行求解.实验选取经典的多源迁移学习算法DAM进行对比,并在多个迁移学习图像数据集上进行了充分的验证.实验结果表明,DL_MSDA能够有效挖掘多个源域间共有的信息,辅助目标域模型参数的学习,提升目标域的分类性能.