基于张量分解的域适应算法

基于张量分解的域适应算法

论文摘要

由于训练数据易过期,在多数情况下训练数据和测试数据具有不同的特征分布,因此在利用源域信息时,须先尽量减小不同领域的特征分布的差异。使用张量表示特征可以维持高维空间数据的本征结构信息。朴素张量子空间学习法虽然是面向张量特征的域适应方法,但其复杂度较高,且没有达到较好的知识迁移效果。为此,文中提出了基于张量分解的域适应算法,即张量列子空间学习法和张量环子空间学习法,二者的主要思想相似。首先,使用张量表示源域和目标域的特征;其次利用张量分解方法,将特征分解为一系列三阶张量来表示子空间;然后,依次将源域特征和目标域特征映射到子空间中;最后,将特征张量重塑为矩阵形式,基于映射后的源域特征训练模型,基于映射后的目标域特征完成新领域的任务。实验结果表明,在无监督图像分类中,张量列子空间学习法和张量环子空间学习法在准确率和运行时间方面都有所提升。相比于朴素张量子空间学习法,张量列子空间学习法和张量环子空间学习法的准确率分别提高了1.68%和2.08%,且运行时间也有明显减少,算法复杂度较小。实验数据充分说明,基于张量分解的域适应算法充分减小了源域特征和目标域特征之间的差异,实现了不同领域间的知识复用。

论文目录

  • 1 引言
  • 2 相关工作
  •   2.1 张量列分解
  •   2.2 张量环分解
  •   2.3 子空间学习法
  • 3 基于张量分解的域适应
  •   3.1 张量列子空间学习法
  •   3.2 张量环子空间学习法
  • 4 实验与分析
  •   4.1 实验数据
  •   4.2 评估方法
  •   4.3 实验结果与分析
  • 文章来源

    类型: 期刊论文

    作者: 徐书艳,韩立新,徐国夏

    关键词: 迁移学习,域适应,张量分解,子空间学习,图像分类

    来源: 计算机科学 2019年12期

    年度: 2019

    分类: 信息科技

    专业: 自动化技术

    单位: 河海大学计算机与信息学院

    分类号: TP181

    页码: 89-94

    总页数: 6

    文件大小: 730K

    下载量: 131

    相关论文文献

    • [1].长方体全张量磁梯度的两种正演公式对比[J]. 世界地质 2019(04)
    • [2].基于重力梯度张量数据的欧拉反演在梅山铁矿的应用[J]. 地球物理学进展 2020(02)
    • [3].计算张量指数函数的广义逆张量ε-算法[J]. 自动化学报 2020(04)
    • [4].一种新的有噪张量秩的估计方法[J]. 南昌工程学院学报 2020(03)
    • [5].约束张量规范多元分解时变社区图模型检测[J]. 计算机工程与设计 2020(08)
    • [6].基于旋转装置的磁梯度张量测量方法[J]. 测试技术学报 2020(05)
    • [7].基于同步性脑网络的支持张量机情绪分类研究[J]. 电子与信息学报 2020(10)
    • [8].张量分解及其在统计模型中的应用[J]. 应用数学与计算数学学报 2018(04)
    • [9].非广义H-张量的判定准则(英文)[J]. 应用数学 2019(04)
    • [10].几类张量乘积的介绍[J]. 哈尔滨师范大学自然科学学报 2018(01)
    • [11].两个基于不同张量乘法的四阶张量分解[J]. 运筹学学报 2018(02)
    • [12].一种磁张量探测系统载体的磁张量补偿方法[J]. 地球物理学报 2016(01)
    • [13].二维解析张量投票算法研究[J]. 自动化学报 2016(03)
    • [14].低秩张量补全算法综述[J]. 陕西理工学院学报(自然科学版) 2016(02)
    • [15].正交张量的结构[J]. 洛阳师范学院学报 2016(05)
    • [16].基于多源共享因子的多张量填充[J]. 中国科学:信息科学 2016(07)
    • [17].弹球支持张量机分类器[J]. 模式识别与人工智能 2016(07)
    • [18].判定强H-张量迭代算法研究[J]. 滨州学院学报 2016(04)
    • [19].M-张量的更多性质[J]. 哈尔滨商业大学学报(自然科学版) 2015(01)
    • [20].张量树学习算法[J]. 南京大学学报(自然科学) 2015(02)
    • [21].关于弱正张量性质的研究(英文)[J]. 南开大学学报(自然科学版) 2015(04)
    • [22].有关非负张量的一些性质[J]. 哈尔滨商业大学学报(自然科学版) 2015(04)
    • [23].H-张量判定的新迭代准则探讨[J]. 今日财富 2019(21)
    • [24].张量投票法及其应用[J]. 电子制作 2013(24)
    • [25].基于张量分解的排序学习在个性化标签推荐中的研究[J]. 计算机科学 2020(S2)
    • [26].张量伪谱的包含域[J]. 重庆师范大学学报(自然科学版) 2019(02)
    • [27].基于快速上下文感知张量分解的噪声推断方法[J]. 科技视界 2017(26)
    • [28].张量与矩阵乘积的递推算法及相关问题[J]. 东华大学学报(自然科学版) 2015(05)
    • [29].张量表达在回归中的应用[J]. 宿州学院学报 2016(08)
    • [30].基于张量形态的反调和图像边缘检测算法[J]. 微电子学与计算机 2015(06)

    标签:;  ;  ;  ;  ;  

    基于张量分解的域适应算法
    下载Doc文档

    猜你喜欢