Institutional Repository of Coll Elect & Informat Engn
基于特征和类别对齐的领域适应算法 | |
赵小强; 蒋红梅 | |
2021-04-02 | |
发表期刊 | 控制与决策 |
ISSN | 1001-0920 |
卷号 | 37期号:5页码:1-8 |
摘要 | 针对现有的基于对抗学习的领域适应算法未能充分挖掘样本的可转移特征导致泛化能力较差和分类精确度较低的问题,本文提出基于特征和类别对齐的领域适应(FCDA)算法.首先,针对最大均值差异(MMD)度量准则存在的不足,改进得到一种新的MID(Maximizes the Intra-domain Density)度量函数,分别度量具有相同标签的源域样本特征间的分布散度、相同标签的目标域样本特征间的分布散度,实现最大化域内同类样本的类密度,从而降低类的错分率;其次,为了能更深层次的学习目标样本的抽象的、可转移的特征,从而减小域间差异,在特征提取网络后加入残差校正块,深化基础网络,提高其特征的可迁移性;最后,将获取的特征经过联合判别网络,通过对抗损失函数同时实现在类级和域级的对齐.本文算法在数据集Office-31上平均准确率为88.6%,在数据集Office-Home上平均准确率为67.7%,并与其它算法相比,验证了本文算法具备良好的泛化能力,可以实现较高的分类性能. |
关键词 | 领域适应 联合判别网络 残差校正块 MID度量函数 |
DOI | 10.13195/j.kzyjc.2020.1241 |
URL | 查看原文 |
收录类别 | CSCD ; 北大核心 ; SCOPUS ; EI |
语种 | 中文 |
资助项目 | 国家自然科学基金项目(61763029,61763027);国防基础科研项目(JCKY2018427C002);甘肃省高等学校产业支撑引导项目(2019C-05);甘肃省工业过程先进控制重点实验室开放基金项目(2019KFJJ01) |
出版者 | Northeast University |
EI入藏号 | 20221712012378 |
中图分类号 | TP391.41;TP183 |
引用统计 | 无
|
文献类型 | 期刊论文 |
条目标识符 | https://ir.lut.edu.cn/handle/2XXMBERH/147773 |
专题 | 电气工程与信息工程学院 |
作者单位 | 1.兰州理工大学电气工程与信息工程学院; 2.兰州理工大学甘肃省工业过程先进控制重点实验室; 3.兰州理工大学国家级电气与控制工程实验教学中心 |
推荐引用方式 GB/T 7714 | 赵小强,蒋红梅. 基于特征和类别对齐的领域适应算法[J]. 控制与决策,2021,37(5):1-8. |
APA | 赵小强,&蒋红梅.(2021).基于特征和类别对齐的领域适应算法.控制与决策,37(5),1-8. |
MLA | 赵小强,et al."基于特征和类别对齐的领域适应算法".控制与决策 37.5(2021):1-8. |
条目包含的文件 | 条目无相关文件。 |
个性服务 |
查看访问统计 |
谷歌学术 |
谷歌学术中相似的文章 |
[赵小强]的文章 |
[蒋红梅]的文章 |
百度学术 |
百度学术中相似的文章 |
[赵小强]的文章 |
[蒋红梅]的文章 |
必应学术 |
必应学术中相似的文章 |
[赵小强]的文章 |
[蒋红梅]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论