小样本学习下的特征中心对齐域适应算法

作者：韦柳幸; 陈春霞; 余志斌^*

来源：计算机系统应用, 2023, 32(06): 166-172.

DOI：10.15888/j.cnki.csa.009126

• 域适应
• 迁移学习
• 特征对齐
• 卷积神经网络(CNN)
• 深度学习

域适应是一种在训练集和测试集不满足独立同分布条件时使用的迁移学习算法.当两个领域间的分布差异较大时,会降低域内可迁移性,并且现有域适应算法需要获取大量的目标域数据,这在一些实际应用中无法实现.针对现有域适应方法的不足,基于卷积神经网络提出小样本学习下的基于特征中心对齐的域适应算法,寻找域不变特征的同时,提高目标域特征的可区分度,提高分类效果.面向小样本条件下的office-31公共数据集识别和雷达工作模式识别的仿真实验结果表明,所提方法对office-31数据集的平均识别精度比最大均值差异方法提升12.9%,而对雷达工作模式识别精度达到91%,比最大均值差异方法性能提升10%.

• 单位
  西南交通大学; 成都工业学院