基于最大分布加权均值嵌入的领域适应学习

摘要

最大均值差异忽略了单个样本对全局度量贡献的差异性.为此,提出一种最大分布加权均值差异度量方法,采用白化余弦相似性度量为源域和目标域的所有样本设计相应的分布权重,使得每个样本的分布差异信息在全局度量中均得以体现.进一步,结合联合分布调整思想,提出一种基于最大分布加权均值嵌入的领域适应学习算法.实验结果表明,与典型的迁移学习和无迁移学习算法相比,所提出算法在不同类型跨领域图片数据集上均具有较高的分类精度.