第４０卷第７期计算机应用与软件Ｖｏｌ４０Ｎｏ．７２０２３年７月ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＪｕｌ．２０２３基于稀疏字典表示的无监督域适应学习算法王赛男１郑雄风２１（江苏联合职业技术学院南京工程分院江苏南京２１１１３５）２（南京邮电大学计算机学院江苏南京２１００２３）收稿日期：２０２０－０９－０３。王赛男，讲师，主研领域：机器学习与模式识别。郑雄风，硕士生。摘要现有迁移学习方法通常仅关注如何减小源域和目标域之间的分布差异，忽略了源域和目标域样本自身的偏差。为此提出一种基于稀疏字典表示的无监督域适应学习方法（ＳＲＤＡ）。利用字典学习重构源域和目标域的样本，学习源域和目标域的字典及样本的稀疏表示，在其稀疏表示空间添加约束，使目标域可以在稀疏表示空间和源域共享同一个分类器，通过在源域稀疏表示空间学习的分类器对目标域进行分类，完成目标域分类任务，实现域适应学习。实验结果表明，所提出的ＳＲＤＡ算法能够有效完成源域与目标域间的知识迁移，且性能优于传统基于特征迁移的域适应方法。关键词迁移学习域适应无监督学习稀疏表示中图分类号ＴＰ１８１ＴＰ３文献标志码ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０２３．０７．０４８ＵＮＳＵＰＥＲＶＩＳＥＤＤＯＭＡＩＮＡＤＡＰＴＡＴＩＯＮＬＥＡＲＮＩＮＧＡＬＧＯＲＩＴＨＭＢＡＳＥＤＯＮＳＰＡＲＳＥＤＩＣＴＩＯＮＡＲＹＲＥＰＲＥＳＥＮＴＡＴＩＯＮＷａｎｇＳａｉｎａｎ１ＺｈｅｎｇＸｉｏｎｇｆｅｎｇ２１（ＮａｎｊｉｎｇＥｎｇｉｎｅｅｒｉｎｇＶｏｃａｔｉｏｎａｌＣｏｌｌｅｇｅ，ＪｉａｎｇｓｕＵｎｉｏｎＴｅｃｈｎｉｃａｌＩｎｓｔｉｔｕｔｅ，Ｎａｎｊｉｎｇ２１１１３５，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ）２（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＰｏｓｔｓａｎｄＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ，Ｎａｎｊｉｎｇ２１００２３，Ｊｉａｎｇｓｕ，Ｃｈｉｎａ）ＡｂｓｔｒａｃｔＴｈｅｅｘｉｓｔｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇｍｅｔｈｏｄｓｏｎｌｙｆｏｃｕｓｏｎｈｏｗｔｏｒｅｄｕｃｅｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｄｉｆｆｅｒｅｎｃｅｓａｎｄｉｇｎｏｒｅｔｈｅｓａｍｐｌｅｂｉａｓｂｅｔｗｅｅｎｔｈｅｓｏｕｒｃｅａｎｄｔｈｅｔａｒｇｅｔｄｏｍａｉｎｓ．Ａｓ...
