Joint cross-domain classification and subspace learning for unsupervised adaptation

هدف انطباق دامنه در تطبیق دانش به دست آمده در یک دامنه منبع به یک دامنه هدف متفاوت اما مرتبط است. روشهای متعددی برای انجام وظایف طبقه بندی در سناریو بدون نظارت ارائه شده است، جایی که هیچ داده ای برچسب دار نشانه ای موجود نیست. بیشترین توجه به جستجوی یک بازنشانی غیر مجاز دامنه اختصاص یافته است، تعریف تابع پیش بینی را به مرحله دوم منتقل می کنیم. در اینجا ما پیشنهاد می کنیم هر دو به طور مشترک یاد بگیرند. به طور خاص، ما زیر فضای منبع را یاد می گیریم که به بهترین وجه با زیر فضای هدف منطبق است در حالی که در عین حال به حداقل رساندن خسارت طبقه بندی غلط تصحیح شده است. ما یک روش بهینه سازی متناوب را براساس نسل متناوب تصادفی برای حل مشکل یادگیری ارائه می دهیم و عملکرد آن را در چندین وظیفه سازگاری دامنه نشان می دهیم.