模式识别与人工智能
2025年4月3日 星期四   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2021, Vol. 34 Issue (10): 924-931    DOI: 10.16451/j.cnki.issn1003-6059.202110005
“自适应分类与聚类学习”专题 最新目录| 下期目录| 过刊浏览| 高级检索 |
领域自适应任务中的动态参数调整方法
张玉红1,2, 余道远1,2, 胡学钢1,2
1.合肥工业大学 计算机与信息学院 合肥 230601
2.合肥工业大学 教育部大数据知识工程重点实验室 合肥 230601
Dynamic Parameter Setting Method for Domain Adaptation
ZHANG Yuhong1,2, YU Daoyuan1,2, HU Xuegang1,2
1. School of Computer Science and Information Engineering, Hefei University of Technology, Hefei 230601
2. Key Laboratory of Knowledge Engineering with Big Data, Mi-nistry of Education, Hefei University of Technology, Hefei 230601

全文: PDF (723 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 领域自适应方法在特征变换过程中对多个度量大多采取静态权重设置,导致方法在不同任务上效果差异较大.为此,文中提出领域自适应任务中的动态参数调整方法.基于再生希尔伯特空间模型,最小化域间可区分性联合概率分布差异,求解域间不变特征空间.在此过程中,依据A-距离计算域间差异中同类标签和不同类标签分布差异的占比,并以此动态调整可区分性和可迁移性的权重参数,从而达到最优的自适应效果.在3个图像分类数据集上的实验表明文中方法的有效性.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
张玉红
余道远
胡学钢
关键词 领域自适应联合概率分布动态参数调整A-距离    
Abstract:The performance of domain adaptation methods for different tasks is unstable due to its static weight settings for multiple measures during feature shift process. Therefore, a dynamic parameter setting method for domain adaption is proposed. Reproducing Kernel Hilbert space is introduced to learn the invariant space by minimizing the distance between both domains according to the discriminative joint probability distribution. In this process, A-distance is employed to measure the discrepancy ratio of the same labels to the different labels, and this ratio is utilized to adjust the proportion of transferability and discriminability distributions dynamically. With this dynamic parameter settings, better performance is obtained. Experimental results on three image classification datasets show the effectiveness of the proposed method.
Key wordsDomain Adaptation    Joint Probability Distribution    Dynamic Parameter Setting    A-distance   
收稿日期: 2021-05-07     
ZTFLH: TP 391  
基金资助:国家自然科学基金项目(No.61976077,62076087,62076085)资助
通讯作者: 张玉红,博士,副教授,主要研究方向为迁移学习、机器学习.E-mail:zhangyh@hfut.edu.cn.   
作者简介: 余道远,硕士研究生,主要研究方向为领域自适应、机器学习.E-mail:807342680@qq.com.
胡学钢,博士,教授,主要研究方向为数据挖掘、Web挖掘、机器学习等.E-mail:Jsjxhuxg@hfut.edu.cn.
引用本文:   
张玉红, 余道远, 胡学钢. 领域自适应任务中的动态参数调整方法[J]. 模式识别与人工智能, 2021, 34(10): 924-931. ZHANG Yuhong, YU Daoyuan, HU Xuegang. Dynamic Parameter Setting Method for Domain Adaptation. , 2021, 34(10): 924-931.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202110005      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2021/V34/I10/924
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn