[发明专利]一种自适应的不平衡数据领域适应方法

权利要求书

1.一种自适应的不平衡数据领域适应方法，其特征在于，包括以下步骤：

步骤1)构建叠加稀疏自编码机，学习源领域和目标领域的原始图像数据集的向量表示；

步骤2)针对源领域和目标领域的不平衡数据，构建自适应的不平衡数据领域适应目标函数，补偿数量较小的类损失，并应用最大均值差异算法将源领域和目标领域的大量无标签数据信息代入领域适应目标函数，缩小源领域和目标领域的距离；

步骤3)用逻辑回归模型在训练集上训练分类器，并在测试集上做分类预测，得到最终的领域适应结果。

2.根据权利要求1所述的一种自适应的不平衡数据领域适应方法，其特征在于，所述步骤1)具体包括：

步骤1-1)将源领域D_S的图像数据表示为有标签数据和无标签数据目标领域D_T的图像数据表示为有标签数据和无标签数据数据表示为标签表示为是源领域中有标签数据和无标签数据的数量，是目标领域中有标签数据和无标签数据的数量，构建叠加稀疏自编码机，用x表示源领域和目标领域的数据并作为输入，叠加稀疏自编码机的目标函数如公式(1)所示：

公式(1)中，第一项中的表示叠加稀疏自编码机的输出,可以表示为而ξ_sparse＝f(W_sparse,1x+b_sparse,1)，f是非线性的激活函数，W_sparse和b_sparse是稀疏自编码机编码层和解码层的权重矩阵的偏置向量，第二项中的β是控制稀疏惩罚项权重的超参数，s表示隐藏层节点的数量，是用以做稀疏惩罚项的KL距离，其中p是稀疏参数，是隐藏层节点r的平均激活值；

步骤1-2)迭代求解叠加稀疏自编码机，学习源领域和目标领域的原始图像数据集的向量表示，J_sparse关于权重矩阵W和偏置向量b的偏导数计算公式如下：

其中δ^(l+1)表示叠加稀疏自编码机关于第l+1层输出z_i^(l+1)的偏导，