基于传递式领域自适应的异构样本增强方法 |
| |
作者姓名: | 翟利志 任一夫 白洁 高学攀 贾庆超 刘强 |
| |
作者单位: | 1. 中国电子科技集团公司第五十四研究所 |
| |
基金项目: | 国家自然科学基金(U21A20481,61973071); |
| |
摘 要: | 小样本问题广泛存在于数据驱动建模。领域自适应方法通过将源域中的样本知识迁移到目标域,从而实现目标域中的小样本增强,然而此类方法在实际应用中受限,原因在于难以应对领域分布差异较大的样本增强场景。针对上述问题,该文提出基于传递式领域自适应的异构样本增强方法。首先,提出传递式探索策略,通过私有特征和共享特征设计了面向异构域的领域分布探索策略,有效地缓解了负迁移,并为后续分布匹配提供支撑;然后,提出分布联合匹配机制,通过联合匹配异构领域的边缘分布和条件分布,并嵌入自适应机制,从而保证了异构域分布的匹配精度。该方法在业界公认的田纳西-伊斯曼数据集进行验证,实验结果表明该方法在异构域中的建模表现优于其他方法。
|
关 键 词: | 域适应 样本增强 迁移学习 小样本 数据驱动建模 |
|
|