典型文献
基于伪标签的无监督领域自适应分类方法
文献摘要：
现有的领域自适应方法在匹配分布时并未完全考虑伪标签置信度或伪标签损失计算问题,针对此类问题,提出循环选择伪标签分类模型(CSPL).利用深度网络提取图像特征,为目标域打上高置信度伪标签使得训练数据增强,采用MMD距离度量方法对齐源域和目标域的概率进行分布,同时设计伪标签损失同步迭代学习,更新模型作为下一次循环的训练模型直至模型收敛.在常用的领域自适应数据集Office31、Office-Home、Image-CLEF-DA以及Amazon-Review上实验表明,该模型相比之前域适应模型在准确度方面平均提升4％～8％,且模型的鲁棒性也明显增加.
文献关键词：
无监督领域自适应;迁移学习;伪标签
中图分类号：
作者姓名：
杨国庆;郭本华;钱淑渠;武慧虹;韩静
作者机构：
贵州财经大学信息学院,贵阳550025;安顺学院数计学院,贵州安顺561000
文献出处：
引用格式：
[1]杨国庆;郭本华;钱淑渠;武慧虹;韩静-.基于伪标签的无监督领域自适应分类方法)[J].计算机应用研究,2022(05):1357-1361
A类：
CSPL,Office31,CLEF
B类：
伪标签,无监督领域自适应,自适应分类,分类方法,自适应方法,配分,全考,置信度,损失计算,标签分类,分类模型,深度网络,图像特征,目标域,打上,训练数据,数据增强,MMD,距离度量,对齐,源域,迭代学习,更新模型,训练模型,Home,Image,DA,Amazon,Review,域适应,适应模型,迁移学习
AB值：
0.402657
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。
