原文服务方: 计算机应用研究       
摘要:
传统的无监督领域自适应算法在对齐总体分布时存在分类信息流失问题,难以保证迁移学习效果.针对这个问题,提出了一种基于类内最大均值差异的分布对齐策略.该策略首先预测所有样本的伪标签,然后借助伪标签样本信息依次对齐每个类别的领域类内分布.在深度学习框架下,所提算法能够有效保留分类信息,提高了目标领域的预测能力.实验结果表明,与传统算法比较,所提算法在多个基准数据集上获得了最优的迁移学习效果.
推荐文章
基于混沌自适应引力搜索的模糊C均值聚类算法
自适应
混沌
引力搜索算法
模糊C均值聚类
基于自适应权重的模糊C-均值聚类算法
模糊C-均值聚类算法
自适应权重
高斯距离
隶属矩阵
基于Canopy聚类的噪声自适应模糊C-均值算法
聚类算法
Canopy算法
模糊C-均值算法
局部和非局部空间信息
自适应调整的布谷鸟搜索K-均值聚类算法
布谷鸟搜索算法
自适应优化学习
步长调节
动态变化发现概率
初始簇中心
K-均值聚类
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于类内最大均值差异的无监督领域自适应算法
来源期刊 计算机应用研究 学科
关键词 领域自适应 无监督学习 神经网络 最大均值差异
年,卷(期) 2020,(8) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2371-2375
页数 5页 分类号 TP301.6
字数 语种 中文
DOI 10.19734/j.issn.1001-3695.2019.03.0042
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 郝志峰 166 940 14.0 20.0
2 蔡瑞初 66 279 10.0 13.0
3 李嘉豪 3 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (19)
共引文献  (2)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(3)
  • 参考文献(0)
  • 二级参考文献(3)
2016(3)
  • 参考文献(0)
  • 二级参考文献(3)
2017(3)
  • 参考文献(2)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
领域自适应
无监督学习
神经网络
最大均值差异
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导