陈松灿

Professor  

Alma Mater:杭州大学/上海交通大学/南京航空航天大学

Education Level:南京航空航天大学

Degree:Doctoral Degree in Engineering

School/Department:College of Computer Science and Technology

E-Mail:


Paper Publications

参数字典稀疏表示的完全无监督域适应

Hits:

Affiliation of Author(s):计算机科学与技术学院/人工智能学院/软件学院

Journal:计算机科学与探索

Key Words:完全无监督域适应;参数公共字典关键词;稀疏表示;无标记小样本问题;软大间隔聚类;

Abstract:无监督域适应(Unsupervised Domain Adaptation,UDA)针对的是源域有标记而目标域无标记的学习问题,其目的是利用从标记大样本源域中所学“知识”来促进无标记小样本目标域的学习性能。但现实中也往往存在样本无标记的源域,形成了所谓的完全无监督域适应。该问题给域适应学习带来了严峻的挑战。在本文中,受先前提出的软大间隔聚类学习(Soft Large Margin Clustering,SLMC)启发,提出了一种参数迁移方法——参数字典稀疏表示的完全无监督的域适应方法(Whole UDA,WUDA)。SLMC采用分类学习思想在输出(标记)空间中实现给定数据的聚类,在这种实现原理的启发下,从参数(决策函数的权重矩阵)公共字典的角度,在源域和目标域的权重间进行互适应参数字典学习实现知识迁移,同时引入l 2,1 范数来约束字典系数矩阵,使得各域权重可从公共字典中自适应地选择,从而实现域适应学习。最后,在相关数据集上的实验显示了WUDA在聚类性能上的显著有效性。

Translation or Not:no

Date of Publication:2018-07-06

Co-author:余欢欢

Correspondence Author:csc

Pre One:极速非线性判别分析网络

Next One:Metric learning-guided least squares classifier learning