基于类别感知与重加权的多源域自适应算法

来源：电子测量技术杂志2024年第17期北京时间：

作者：谭棉，李志玲，陈望，曾涛涛，冯夫健

单位：1.贵州民族大学数据科学与信息工程学院 贵阳 550025; 2.贵州民族大学贵州省模式识别与智能系统重点实验室 贵阳 550025

摘要：多源域自适应是迁移学习中的一个重要分支，类别偏移是多源域自适应领域的热点难题之一，其本质是源域和目标域类别分布不匹配的问题。针对此问题，提出了一种基于类别感知与重加权的多源域自适应算法，该算法通过类别感知策略增强相似类别间的正向迁移；同时，引入重加权矩匹配策略，减少不同层面的分布差异；此外，利用伪标签构建自适应权重，有效降低类别偏移的影响。在Digits-five和Office-Caltech10两个数据集上的任务分类准确率分别达到了94.11%和97.18%，实验结果表明，所提算法相比于当前典型的多源域自适应算法在类别偏移场景下的准确性方面有显著提升。

关键词：迁移学习;多源域自适应;类别感知;矩匹配;自适应加权

基金资助：贵州省科技计划项目(黔科合基础-ZK［2022］一般195，黔科合基础-ZK［2023］一般143，黔科合平台人才-ZCKJ［2021］007, 黔科合基础-K［2022］一般197)、贵州省教育厅自然科学研究项目（黔教技［2023］061号，黔教技［2023］012号，黔教技［2022］015号, 黔教技［2022］047号，黔教技［2024］63号）、贵州省模式识别与智能系统重点实验室开放课题(GZMUKL［2022］KF01)、贵州民族大学博士科研启动项目（GZMUZK［2024］QD04