无监督数据集字典学习用于域迁移鲁棒聚类：应用于坐姿识别
人工智能
2025-06-25 v1
摘要
本文提出一种新方法——无监督数据集字典学习（U-DaDiL），用于无监督鲁棒聚类，特别适用于坐姿识别。传统方法往往缺乏对多样化数据集的适应性，且存在域迁移问题。U-DaDiL通过基于Wasserstein球心的表示来对齐不同数据集之间的分布，从而解决这些挑战。在Office31数据集上的实验评估表明，该方法在聚类对齐精度方面显著提升。该工作还为解决坐姿识别中无监督的域迁移和鲁棒聚类问题提供了有前景的思路。
引用
@article{arxiv.2506.19410,
title = {Unsupervised Dataset Dictionary Learning for domain shift robust clustering: application to sitting posture identification},
author = {Anas Hattay and Mayara Ayat and Fred Ngole Mboula},
journal= {arXiv preprint arXiv:2506.19410},
year = {2025}
}