TransPL：用于时间序列无监督域自适应的VQ代码转移矩阵伪标签方法
机器学习
2025-05-16 v1 人工智能
摘要
时间序列数据的无监督域自适应（UDA）是深度学习中的一个关键挑战，传统伪标签策略无法捕捉域之间的时序模式和通道维度偏移，从而产生次优伪标签。为此，我们提出TransPL，一种通过代码转移矩阵对源域的联合分布P(X, y)进行建模的新方法，其中代码由时间序列块的向量量化（VQ）导出。我们的方法从源域构建类相关和通道相关的代码转移矩阵，并利用贝叶斯规则进行目标域自适应，基于通道加权的类条件似然生成伪标签。TransPL具有三个关键优势：显式建模不同域之间的时序转移和通道维度偏移、适用于不同的UDA场景（如弱监督UDA），以及可解释的伪标签生成。我们在四个时间序列UDA基准数据集上广泛验证了TransPL的有效性，确认其持续以显著优势超越最先进的伪标签方法（准确率提升6.1%，F1提升4.9%），同时通过其学到的代码转移矩阵为域自适应过程提供可解释的洞察。
引用
@article{arxiv.2505.09955,
title = {TransPL: VQ-Code Transition Matrices for Pseudo-Labeling of Time Series Unsupervised Domain Adaptation},
author = {Jaeho Kim and Seulki Lee},
journal= {arXiv preprint arXiv:2505.09955},
year = {2025}
}
备注
ICML 2025 Accept