期刊专题

10.11896/jsjkx.200700028

基于双重权重偏差建模的无监督域适应

引用
无监督域适应(Unsupervised Domain Adaptation,UDA)是一类新兴的机器学习范式,其通过对源域知识在无标记目标域上的迁移利用,来促进目标域模型的训练.为建模源域与目标域之间的域分布差异,最大均值差异(Maximum Mean Dis-crepancy,MMD)建模被广泛应用,其对UDA的性能提升起到了有效的促进作用.然而,这些方法通常忽视了领域之间对应类规模与类分布等结构信息,因为目标域与源域的数据类规模与数据分布通常并非一致.为此,文中提出了一种基于跨域类和数据样本双重加权的无监督域适应模型(Sample weighted and Class weighted based Unsupervised Domain Adaptation Network,SCUDAN).具体而言,一方面,通过源域类层面的适应性加权来调整源域类权重,以实现源域与目标域之间的类分布对齐;另一方面,通过目标域样本层面的适应性加权来调整目标域样本权重,以实现目标域与源域类中心的对齐.此外,文中还提出了一种CEM(Classification Expectation Maximization)优化算法,以实现对SCUDAN的优化求解.最后,通过对比实验和分析,验证了所提模型和算法的有效性.

无监督域适应、最大均值差异、类权重偏差、样例权重偏差、卷积神经网络

48

TP391(计算技术、计算机技术)

国家自然科学基金;江苏省自然科学基金;江苏省高校自然科学研究面上项目;中国科学院模式识别国家重点实验室开放课题;模式分析与机器智能工信部重点实验室开放课题

2021-03-02(万方平台首次上网日期,不代表论文的发表时间)

共7页

217-223

暂无封面信息
查看本期封面目录

计算机科学

1002-137X

50-1075/TP

48

2021,48(2)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn