面向弱匹配的跨媒异构迁移学习

作     者：赵鹏 高浩渊 姚晟 杜奕 Zhao Peng;Gao Haoyuan;Yao Sheng;Du Yi

作者机构：安徽大学计算智能与信号处理教育部重点实验室合肥230601 安徽大学计算机科学与技术学院合肥230601 上海第二工业大学工学部上海201209 

基　　金：国家自然科学基金(61602004) 安徽省高校自然科学研究重点项目(KJ2018A0013,KJ2017A011) 安徽省自然科学基金(1908085MF188,1908085MF182) 安徽省重点研究与开发计划项目(1804d08020309) 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2019年第31卷第11期

页      码：1963-1972页

摘      要：针对面向弱匹配的跨媒异构迁移学习中存在的迁移学习性能不高的问题,提出了一种基于平衡异构距离的混合拉普拉斯特征映射的跨媒异构迁移学习方法.利用大量非成对数据和相对少量的成对数据蕴含的语义信息,获取不同媒体域原始特征空间到潜在公共特征空间的映射矩阵;并在跨媒异构迁移学习中,构建混合图拉普拉斯矩阵,不仅保持了同一域下样本间的流形结构,而且保持不同域下样本间的流形结构;提升训练获得的模型在跨媒异构目标域的分类预测性能.在2个公共数据集NUS-WIDE和LabelMe上进行实验,表明了在成对数据的基础上,利用大量非成对数据可以增加模型的准确率和鲁棒性.

主 题 词：跨媒异构迁移学习 弱匹配问题 异构距离 混合图拉普拉斯矩阵 

学科分类：08[工学] 080203[080203] 0835[0835] 0802[工学-机械学] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3724/SP.J.1089.2019.17724

馆 藏 号：203822740...