基于迁移子空间的半监督领域自适应方法

• 作者: 陶洋 杨雯 翁善 林飞鹏
• 来源期刊: 计算机工程与设计
• 关键词: 领域自适应 迁移学习 半监督学习 子空间学习 图像分类
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 多媒体技术|Mulitimedia Technology
• 页码范围: 2308-2315
• 页数: 8页
• 分类号: TP181
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2021.08.029

摘要

传统子空间学习方法在对齐领域总体分布时往往忽略样本类别信息,若原始样本判别力不足,将难以保证投影后子空间中样本的判别性.针对该问题,提出迁移子空间的半监督领域自适应方法.通过充分利用样本类别标签先验信息,在得到具有判别性子空间的同时充分挖掘重构矩阵中蕴含的鉴别信息,增强子空间跨领域特征表达的鉴别力和鲁棒性,提高模型的分类性能.在领域自适应问题常用的基准图像数据集上进行实验,其结果表明,该算法有较好的分类效果.