一种基于希尔伯特-施密特独立准则子空间学习的域自适应方法[发明专利]
来源：华佗小知识
专利内容由知识产权出版社提供
专利名称：一种基于希尔伯特-施密特独立准则子空间学习的
域自适应方法
专利类型：发明专利
发明人：马争鸣,何健信,彭欣雅,刘洁申请号：CN202010303272.4申请日：20200417公开号：CN111563539A公开日：20200821
摘要：一种基于希尔伯特‑施密特独立准则子空间学习的域自适应方法。本发明提出了一种全新的域自适应降维方法，把源域数据和目标域数据的输入样本共同映射到再生核希尔伯特空间，然后再通过投影矩阵映射到另外一个再生核希尔伯特空间即子空间中，最后，基于希尔伯特‑施密特独立准则，计算源域数据样本与目标域数据样本在子空间中的HSIC值，使得源域与目标域数据相关依赖性最大化，实现降维。本发明提出将核学习，子空间学习以及希尔伯特‑施密特独立准则三者结合起来，计算出最优化的投影矩阵，使得降维效果最优化。
申请人：中山大学
地址：510275 广东省广州市海珠区新港西路135号
国籍：CN
更多信息请下载全文后查看
因篇幅问题不能全部显示，请点此查看更多更全内容