本发明公开了一种基于动态权重的多源联合自适应和内聚性特征提取方法,是首先对多个源域的样本进行对齐,在对齐的过程中学习一种实时度量差异的动态权重；然后使用细粒度的度量指标使源域和目标域对齐；再利用多个分类器形成对抗,通过对抗的方式让目标域样本进行内聚性特征的学习；最后就可以得到能够提取源域和目标域的公共特征以及目标域中的内聚性特征的特征提取器。本发明能有效地提高源域和目标域对齐之后目标域样本的质量,从而使得提取出的轮廓特征与同类样本具有更多的相似性。
科研之友
微信
新浪微博
Facebook
分享链接
