稀疏标记源辅助的领域自适应

领域自适应旨在将源域学习到的分类器泛化到目标域。现有的领域自适应方法通常假设源域中存在丰富的标签。然而，源域通常存在大量未标记数据但仅有少量标记数据，如何从这种稀疏标记的源域向目标域迁移知识仍然是一个挑战，这极大地限制了其在实际环境中的应用。本文提出了一种新颖的稀疏标记源辅助领域自适应算法，以应对源域标记样本有限的挑战。具体而言，由于标签稀缺问题，在源域和目标域均进行投影聚类，从而优雅地利用数据的判别结构。然后采用标签传播，将标签从那些有限的标记源样本逐步传播到所有未标记数据，以正确揭示聚类标签。最后，我们联合对齐边际分布和条件分布以缓解跨域错配问题，并迭代优化这三个过程。然而，将这三个过程无缝整合到统一的优化框架中并非易事，因为某些待优化变量隐式地包含在它们的公式中，因此它们无法相互促进。值得注意的是，我们证明投影聚类和条件分布对齐可以重新表述为不同的表达形式，从而在不同的优化步骤中揭示隐式变量。因此，与这三个量相关的变量可以在统一的优化框架中进行优化并相互促进，以显著提高识别性能。