[发明专利]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在审
| 申请号： | 202010303272.4 | 申请日： | 2020-04-17 |
| 公开（公告）号： | CN111563539A | 公开（公告）日： | 2020-08-21 |
| 发明（设计）人： | 马争鸣;何健信;彭欣雅;刘洁 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 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。 | ||
| 搜索关键词： | 一种 基于 希尔伯特 施密特 独立 准则 空间 学习 自适应 方法 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中山大学，未经中山大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010303272.4/，转载请声明来源钻瓜专利网。
