用于域适应的子空间对齐
计算机视觉与模式识别
2014-10-24 v2
摘要
在本文中，我们介绍了一种新的域适应 (DA) 算法，其中源域和目标域由特征向量张成的子空间表示。我们的方法通过学习一个将源子空间与目标子空间对齐的映射函数，寻求一个域不变的特征空间。我们表明，相应优化问题的解可以用简单的闭式获得，从而产生一种极快的算法。我们提出了两种方法来确定我们方法中唯一的超参数，即子空间的大小。在第一种方法中，我们利用所得结果稳定性的理论界来调整子空间的大小。在第二种方法中，我们使用最大似然估计来确定子空间大小，这对于高维数据特别有用。除了 PCA，我们提出了一种子空间创建方法，其在域适应方面优于偏最小二乘法 (PLS) 和线性判别分析 (LDA)。我们在各种数据集上测试了我们的方法，并表明尽管其内在简单性，它仍优于最先进的 DA 方法。
引用
@article{arxiv.1409.5241,
title = {Subspace Alignment For Domain Adaptation},
author = {Basura Fernando and Amaury Habrard and Marc Sebban and Tinne Tuytelaars},
journal= {arXiv preprint arXiv:1409.5241},
year = {2014}
}