计算机应用

作者：黄学雨, 徐浩特, 陶剑文

单位：1. 江西理工大学 信息工程学院, 江西 赣州 341000;2. 宁波职业技术学院 电子信息工程学院, 浙江 宁波 315100

关键词：多源自适应,目标识别,共享特征子空间,特征选择,迁移学习

基金：浙江省自然科学基金资助项目（LY19F020012）；赣州科技重点研发项目（[2018]50-8-3）。

对于现有的多源自适应学习方案无法有效区分多个源域中的有用信息并迁移至目标域的问题，提出一种具有特征选择的多源自适应分类框架（MACFFS），并将特征选择和共享特征子空间学习整合到统一框架中进行联合特征学习。具体来说，MACFFS将来自多个源域的特征数据投影至不同的潜在空间中来学习得到多个源域分类模型，实现目标域的分类。然后，将得到的多个分类结果进行整合用于目标域分类模型的学习。此外，框架还利用L2，1范数稀疏回归代替传统的基于L2范数的最小二乘回归来提高鲁棒性。最后，把多种现有方法在两项任务中与MACFFS进行实验比较分析。实验结果表明，与现有方法中表现最好的DSM相比，MACFFS节省了接近1/4的计算时间，并且提升了大约2%的识别率。总的来说，MACFFS结合了机器学习、统计学习等相关知识，为多源自适应方法提供了一个新的思路，且该方法在现实场景下的识别应用中比现有方法具有更好的性能。

来源：2020年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第9期