典型文献
深度加权子域自适应网络
文献摘要：
部分领域自适应作为领域自适应一种特殊且重要的场景,由于其存在的异常源类经常导致负迁移,从而造成训练和建模效果不理想,为此提出了一种深度加权子域自适应网络.该网络针对深度网络提取的类别特征中存在异常源类造成的负迁移,设置重要性加权自适应权重调节机制,解决异常源类造成的分类精度较低的问题;并提出局部加权最大均值差异策略,对齐相关子域的分布,获取更多的细粒度信息,解决全局对齐中迁移性能不高的问题.在Office-31、Office-Home数据集上与PADA、SAN、IWAN等方法的仿真对比实验结果表明,该方法可以获得比现有主流方法更高的分类准确率,有效地解决迁移过程中异常源类造成的负迁移问题,并且水下数据集用于域适应的平均准确率达到90.55％.
文献关键词：
领域自适应;子域自适应;分布差异;最大平均差异;迁移学习
中图分类号：
作者姓名：
吴兰;李崇阳
作者机构：
河南工业大学电气工程学院 河南郑州 450001
文献出处：
引用格式：
[1]吴兰;李崇阳-.深度加权子域自适应网络)[J].郑州大学学报（理学版）,2022(01):54-61
A类：
IWAN
B类：
深度加权,子域自适应,域自适应网络,分领,领域自适应,应作,类经,常导,负迁移,深度网络,类别特征,自适应权重,调节机制,分类精度,出局,最大均值差异,对齐,关子,细粒度信息,迁移性能,Office,Home,PADA,SAN,仿真对比,主流方法,分类准确率,迁移过程,水下数据集,域适应,平均准确率,分布差异,最大平均差异,迁移学习
AB值：
0.406411
相似文献
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。
