[發明專利]一種基于類相關矩陣特征值分解的域自適應方法

在審

• 申請號: 202111079811.1
• 申請日: 2021-09-15
• 公開（公告）號: CN113822353A
• 公開（公告）日: 2021-12-21
• 發明（設計）人: 樊敏;蔡子贇;張騰飛;王保云
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京蘇科專利代理有限責任公司 32102
• 代理人: 姚姣陽

1.一種基于類相關矩陣特征值分解的域自適應方法，其特征在于，包括如下步驟，

步驟S1、設定一個源域D_s＝(X^s，Y^s)和目標域D_t＝(X^t)；

步驟S2、基于GANs利用對抗性訓練同時訓練特征提取器F和域分類器D，最后通過標簽分類器G對樣本進行分類；

步驟S3、用Resnet50作為特征提取器，將源域樣本x_g和目標域樣本x_t輸入Resnet50提取出的特征分別記為f_s和f_t，f_s和f_t再輸入標簽分類器G得到g_s和g_t；將整個網絡公式化為具有兩個競爭誤差項的極小極大優化問題，第一，E(G)是最小化標簽分類器G上的源域分類風險；第二，E(D,G)在D上最小化，但在特征提取器F和標簽分類器G上最大化，則，

在式中，L(·)代表交叉熵損失函數，總的優化目標為：

min_GE(G)-λE(D，G)，

min_DE(D，G)；

通過聯合變量h＝(f,g)在標簽分類器的預測g上調節域鑒別器D；

步驟S4、目標域上的分類器輸出為其中B是目標數據的批量大小，|C|是源類的數量，F是特征提取器，G是標簽分類器；第i個實例屬于第j類的概率Y_ij為

其中Z_ij是分類器層的logit輸出，T是用于概率縮放的溫度超參數。由于Y_ij揭示了第i個實例和第j類之間的關系，將兩個類第j類和第j′類之間的類相關性初步定義為

其中，y._j′為每個批次中的B個示例來自第j類的概率，

對主對角線上的值進行加權操作，并基于信息熵對類相關性進行加權操作，則，

其中，W_ii為量化第i個示例對類混淆建模的重要性的概率，W是對角矩陣；所以加權后的類相關矩陣為；然后對加權后的類相關矩陣進行特征值分解，得到特征值的和，以特征值的和的均值作為標簽分類器損失。

2.根據權利要求1所述的一種基于類相關矩陣特征值分解的域自適應方法，其特征在于，還包括步驟S4、對標簽分類器G加以限制，將目標域上的分類器輸出表示為其中B是目標數據的批量大小，|C|是源類的數量，F是特征提取器，G是標簽分類器；使用溫度參數，第i個實例屬于第j類的概率Y_ij為

其中，Z_ij為分類器層的logit輸出，T為用于概率縮放的溫度超參數；由于Y_ij揭示了第i個實例和第j類之間的關系；

將兩個類第j類和第j′類之間的類相關性初步定義為

y._j′為每個批次中的B個示例來自第j類的概率；

對主對角線上的值進行加權操作，則

其中，熵是對不確定性的度量,

其中W_ii是量化第i個示例對類混淆建模的重要性的概率，W是相應的對角矩陣。

所以加權后的類相關矩陣為：

對加權后的類相關矩陣進行特征值分解，得到特征值的和，以特征值的和的均值作為標簽分類器損失。