[发明专利]领域自适应模式识别方法及系统

权利要求书

1.一种领域自适应模式识别方法，所述方法包括：

步骤1)通过将源域样本表示为目标域样本的线性组合来将其转换到目标域上，其中用于所述线性组合的系数是在源域样本与目标域样本的公共子空间中得到；

步骤2)利用转换后的样本训练监督模型，并利用训练好的监督模型来进行目标域上的模式识别。

2.根据权利要求1的方法，所述步骤1)中包括：

步骤1-1)获取源域样本与目标域样本的公共子空间；

步骤1-2)在该公共子空间中求解用于由公共子空间中目标域数据重构公共子空间中每个源域数据的线性组合系数；

步骤1-3)根据所述线性组合系数将源域样本表示为目标域样本的线性组合，从而源域样本转换到目标域上。

3.根据权利要求2所述的方法，所述步骤1-1)获取所述公共子空间的目标函数为最大化源域与目标域的散度的同时最小化源域与目标域相互重构的误差。

4.根据权利要求2所述的方法，所述步骤1-2)包括：

a)将源域样本投影到公共子空间，以得到公共子空间中的源域数据；

b)将目标域样本投影到公共子空间，以得到公共子空间中的目标域数据；

c)将公共子空间中源域数据的每一个样本表示为公共子空间中目标域数据的线性组合；

d)基于公共子空间中源域数据和公共子空间中目标域数据求解所述线性组合系数。

5.根据权利要求4所述的方法，所述步骤d)中所述线性组合系数是通过最小二乘回归法、稀疏表示法或者底秩表示法进行求解得到的。

6.一种领域自适应模式识别系统，所述系统包括：

样本转换模块，用于通过将源域样本表示为目标域样本的线性组合来将其转换到目标域上，其中用于所述线性组合的系数是在源域样本与目标域样本的公共子空间中得到；

模式识别模块，用于利用转换后的样本训练监督模型，并利用训练好的监督模型来进行目标域上的模式识别。

7.根据权利要求1的系统，所述样本转换模块被配置为：

获取源域样本与目标域样本的公共子空间；

在该公共子空间中求解用于由公共子空间中目标域数据重构公共子空间中每个源域数据的线性组合系数；

根据所述线性组合系数将源域样本表示为目标域样本的线性组合，从而源域样本转换到目标域上。

8.根据权利要求7所述的系统，其中获取所述公共子空间的目标函数为最大化源域与目标域的散度的同时最小化源域与目标域相互重构的误差。

9.根据权利要求7的系统，其中，所述样本转换模块还被配置为：

将源域样本投影到公共子空间，以得到公共子空间中的源域数据；

将目标域样本投影到公共子空间，以得到公共子空间中的目标域数据；

将公共子空间中每一个源域数据表示为公共子空间中目标域数据的线性组合；

基于公共子空间中源域数据和公共子空间中目标域数据求解所述线性组合系数。