投稿网址：ｗｗｗ．ｓｔａｅ．ｃｏｍ．ｃｎ２０２３年第２３卷第１７期２０２３，２３（１７）：０７３８５⁃０９科学技术与工程ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇＩＳＳＮ１６７１—１８１５ＣＮ１１—４６８８／Ｔ引用格式：丘明姗，凌卫新．基于特征对比的领域泛化算法自适应选择方法［Ｊ］．科学技术与工程，２０２３，２３（１７）：７３８５⁃７３９３.ＱｉｕＭｉｎｇｓｈａｎ，ＬｉｎｇＷｅｉｘｉｎ．Ａｄａｐｔｉｖｅｓｅｌｅｃｔｉｏｎｍｅｔｈｏｄｆｏｒｄｏｍａｉｎｇｅｎｅｒａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｓｂａｓｅｄｏｎｆｅａｔｕｒｅｃｏｎｔｒａｓｔ［Ｊ］．ＳｃｉｅｎｃｅＴｅｃｈｎｏｌｏｇｙａｎｄＥｎｇｉｎｅｅｒｉｎｇ，２０２３，２３（１７）：７３８５⁃７３９３.自动化技术、计算机技术基于特征对比的领域泛化算法自适应选择方法丘明姗，凌卫新∗（华南理工大学数学学院，广州５１０６４１）摘要在自动驾驶、医疗等领域，模型的泛化性是衡量其安全性的重要指标。领域泛化算法选择方法可以指导使用者快速准确地选出适合的模型训练算法。针对目前尚缺乏有效的算法选择方法的问题，提出一种基于对比学习的领域泛化算法的特征对比（ｆｅａｔｕｒｅｃｏｎｔｒａｓｔ，ＦｅＣｏ）选择方法。依据正例和负例选择策略选择特征，采用点积的方式计算特征相似度，最后通过噪声对比估计（ｉｎｆｏｎｏｉｓｅｃｏｎｔｒａｓｔｉｖｅｅｓｔｉｍａｔｉｏｎ，ＩｎｆｏＮＣ）计算得分。使用该得分评估了同一类特征的聚合程度和不同类特征的分离程度，在３个数据集共２００个领域泛化模型上进行验证。实验结果表明，在所有的方法中ＦｅＣｏ是唯一结果稳定的方法，ＦｅＣｏ的结果和模型真实泛化误差的相关性最高可达０.８９，且运行时间缩短超过６０倍。关键词领域泛化；算法选择；对比学习；表征学习中图法分类号ＴＰ１８１；文献标志码Ａ收稿日期：２０２２⁃０８⁃２８；修订日期：２０２３⁃０３⁃２４基金项目：国家重点研发计划（２０２０ＹＦＣ２００５７００）；广州市科技项目（２０２１０３００００２７）第一作者：丘明姗（１９９８—），女，汉族，广西梧州人，硕士研究生。研究方向：机器学习与数据挖掘。Ｅ⁃ｍａｉｌ：ｍｓｑｉｕｍｉｎｇｓｈａｎ＠ｑｑ．ｃｏｍ。∗通信作者：凌卫新（１９６６—），女，汉族，广东广州人，博士，副教授。研究方向：机器学习与数据挖掘。Ｅ⁃ｍａｉｌ...
