典型文献
结合对抗网络与条件均值的多源适应分类方法
文献摘要：
生成适应网络利用对抗训练辅助模型进行域适应分类,但仅使用单源域学到的知识有限,且对抗训练不足以减少域差异,造成判别特征难以识别,影响分类精度.针对该问题,提出一种结合对抗网络与条件均值的多源适应分类方法(MSDACG).对多个源域进行特征提取,提升特征学习的有效部分,对不同源和目标域特征使用特定域的生成对抗网络及条件最大均值差异拉近域间距离,采用差异损失约束由不同源域训练的分类器,实现利用多个源域的监督信息对目标域样本进行分类.实验结果表明,MSDACG模型能学到更优的域不变特征,与目前多源域适应算法比较,其图像生成质量和分类精度有明显提升.
文献关键词：
迁移学习;无监督学习;多源域适应;条件最大均值差异;生成对抗网络
中图分类号：
作者姓名：
夏青;郭涛;谭茜成;邹俊颖
作者机构：
四川师范大学计算机科学学院,四川成都610101
文献出处：
引用格式：
[1]夏青;郭涛;谭茜成;邹俊颖-.结合对抗网络与条件均值的多源适应分类方法)[J].计算机工程与设计,2022(03):735-743
A类：
MSDACG,条件最大均值差异,多源域适应
B类：
条件均值,分类方法,对抗训练,辅助模型,学到,分类精度,特征学习,不同源,目标域,生成对抗网络,拉近,失约,分类器,监督信息,不变特征,算法比较,图像生成,迁移学习,无监督学习
AB值：
0.225727
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。
