典型文献
基于自监督任务的多源无监督域适应法
文献摘要：
针对多源聚合下同时对齐域不变特征较困难而造成分类精度不高的问题,提出基于自监督任务的多源无监督域适应法.该方法引入旋转、水平翻转和位置预测3个自监督辅助任务,通过伪标签性、语义信息的一致性对无标签数据进行自适应的对齐优化.构建新的优化损失函数,减少多域公共类别的分类差异.针对类别不均衡的问题,基于少样本大权重的原则,定义动态权重参数,提高模型的分类性能.在公开的Office-31、Office-Caltech102种基准数据集上,与现有的主流方法进行实验对比.实验结果表明,在类别均衡、不均衡2种情况下,分类精度最高可以提高6.8％.
文献关键词：
自监督任务;类别不均衡;语义信息;权重;域自适应
中图分类号：
作者姓名：
吴兰;王涵;李斌全;李崇阳;孔凡士
作者机构：
河南工业大学 电气工程学院,河南 郑州 450001;郑州铁路职业技术学院,河南 郑州 450001
文献出处：
引用格式：
[1]吴兰;王涵;李斌全;李崇阳;孔凡士-.基于自监督任务的多源无监督域适应法)[J].浙江大学学报（工学版）,2022(04):754-763
A类：
自监督任务,Caltech102
B类：
无监督域适应,下同,对齐,不变特征,分类精度,位置预测,辅助任务,伪标签,语义信息,无标签数据,优化损失函数,多域,分类差异,类别不均衡,少样本,大权,动态权重,分类性能,Office,基准数据集,主流方法,实验对比,域自适应
AB值：
0.367635
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
