题名
联合类间及域间分布适配的迁移学习方法
DOI
作者
李萍1 倪志伟2 朱旭辉3 宋娟3
作者单位
1.合肥工业大学管理学院；2.阜阳师范大学信息工程学院；3.合肥工业大学过程优化与智能决策教育部重点实验室 ​
摘要
在域间分布适配的过程中,容易丢失一些重要的域自身信息,在源域上难以训练获得一个有效的分类器,影响其在目标域上的泛化与标注性能.基于此种情况,文中提出联合类间及域间分布适配的迁移学习方法.通过学习一个公共投影矩阵,分别将源域与目标域映射到一个公共子空间上.采用最大均值差异方法分别度量类间及域间分布距离.在目标函数的优化过程中,不但显式地使域间分布差异变小,而且增大不同类别间的差异性,提高源域与目标域之间知识迁移的性能.在迁移学习数据集上的实验表明文中方法的有效性.
关键词
类间分布适配；特征迁移；迁移学习；最大均值差异
刊名
人工智能研究
ISSN
3078-9753
年、卷(期)
20203
所属期刊栏目
工程技术
打印