联合类间及域间分布适配的迁移学习方法

作者：李萍; 倪志伟^*; 朱旭辉; 宋娟

来源：模式识别与人工智能, 2020, 33(01): 1-10.

DOI：10.16451/j.cnki.issn1003-6059.202001001

• 类间分布适配
• 特征迁移
• 迁移学习
• 最大均值差异

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.

• 单位
  阜阳师范大学; 合肥工业大学