典型文献
基于模糊规则学习的无监督异构领域自适应
文献摘要：
异构领域自适应是一种借助源域知识为语义相关但特征空间不同的目标域建模的技术.现有的异构领域自适应方法大多属于半监督方法,这些方法要求目标域中存在一部分已标记样本,然而这种数据集在很多异构领域自适应任务中是稀缺的.为了解决上述问题,提出了一种新的基于模糊规则学习的无监督异构领域自适应算法.一方面,该方法基于TSK模糊系统的规则学习分别对源域和目标域进行特征学习,通过学习两个特征变换矩阵将源域和目标域投影到一个公共特征子空间;另一方面,为了减少因特征变换所造成的信息损失,该算法采取了多种信息保持策略,并且最大化公共特征子空间中源域数据和目标域数据之间的相关性.通过在几个真实领域自适应数据集上进行实验,验证了所提算法相对于现有的异构领域自适应方法具有一定的优越性.
文献关键词：
模糊规则学习;TSK模糊系统;信息保持;异构领域自适应
中图分类号：
作者姓名：
孙武;邓赵红;娄琼丹;顾鑫;王士同
作者机构：
江南大学 人工智能与计算机学院,江苏 无锡 214122;复旦大学 计算神经科学与类脑智能教育部重点实验室,上海 200433;张江实验室,上海 200120;江苏北方湖光光电有限公司,江苏 无锡 214000
文献出处：
引用格式：
[1]孙武;邓赵红;娄琼丹;顾鑫;王士同-.基于模糊规则学习的无监督异构领域自适应)[J].计算机科学与探索,2022(02):403-412
A类：
模糊规则学习,异构领域自适应
B类：
无监督,源域,语义相关,特征空间,目标域,自适应方法,半监督,监督方法,标记样本,稀缺,自适应算法,TSK,模糊系统,特征学习,特征变换,变换矩阵,特征子空间,因特,信息损失,信息保持
AB值：
0.196305
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。
