机器视觉中基于界标的无人管理域自适应算法研究

摘要

针对域自适应算法需要所有源案例及目标案例的问题,提出一种基于界标的无人管理域自适应算法.首先,从源和目标(ST)中选择界标将源分布与目标分布间的映射最大化;然后,在选择好的界标上应用高斯核,以得到新的源点(KS)与新的目标点(KT);接着,在执行有关特征向量的子空间对齐之前,实行两个独立的主成分分析(PCA);最后,从被标注的源数据中研究分类器,并将其执行到目标域中.在图像域自适应的大量实验表明,所提方法选择出的界标能够降低领域之间的不一致性,用于非线性项目,能够呈现出有效子空间对齐的数据,优于其他无人管理域自适应算法.