Unsupervised domain adaptation with weak source domain labels via bidirectional subdomain alignment

计算机科学 模式识别(心理学) 人工智能 质心 判别式 特征(语言学) 聚类分析 领域(数学分析) 特征学习 最大化 机器学习 数学 数学优化 语言学 数学分析 哲学
作者
Heng Zhou,Ping Zhong,Daoliang Li,Zhencai Shen
出处
期刊:Neural Networks [Elsevier BV]
卷期号:178: 106418-106418 被引量:1
标识
DOI:10.1016/j.neunet.2024.106418
摘要

Unsupervised domain adaptation (UDA) enables knowledge transfer from a labeled source domain to an unlabeled target domain. However, UDA performance often relies heavily on the accuracy of source domain labels, which are frequently noisy or missing in real applications. To address unreliable source labels, we propose a novel framework for extracting robust, discriminative features via iterative pseudo-labeling, queue-based clustering, and bidirectional subdomain alignment (BSA). The proposed framework begins by generating pseudo-labels for unlabeled source data and constructing codebooks via iterative clustering to obtain label-independent class centroids. Then, the proposed framework performs two main tasks: rectifying features from both domains using BSA to match subdomain distributions and enhance features; and employing a two-stage adversarial process for global feature alignment. The feature rectification is done before feature enhancement, while the global alignment is done after feature enhancement. To optimize our framework, we formulate BSA and adversarial learning as maximizing a log-likelihood function, which is implemented via the Expectation-Maximization algorithm. The proposed framework shows significant improvements compared to state-of-the-art methods on Office-31, Office-Home, and VisDA-2017 datasets, achieving average accuracies of 91.5%, 76.6%, and 87.4%, respectively. Compared to existing methods, the proposed method shows consistent superiority in unsupervised domain adaptation tasks with both fully and weakly labeled source domains.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
青黛完成签到 ,获得积分10
6秒前
大橙子发布了新的文献求助10
10秒前
领导范儿应助科研通管家采纳,获得10
11秒前
量子星尘发布了新的文献求助10
15秒前
明钟达完成签到 ,获得积分10
23秒前
byyyy完成签到,获得积分10
26秒前
高高的哈密瓜完成签到 ,获得积分10
30秒前
Rondab应助橙汁采纳,获得10
33秒前
读书的时候完成签到,获得积分10
35秒前
颜云尔完成签到,获得积分10
46秒前
孤独雨梅完成签到,获得积分10
49秒前
woobinhua完成签到 ,获得积分10
49秒前
雪落你看不见完成签到,获得积分10
51秒前
十月天秤完成签到,获得积分0
52秒前
依文完成签到,获得积分20
52秒前
ymr完成签到 ,获得积分10
53秒前
哦哦哦完成签到 ,获得积分10
54秒前
jzmupyj完成签到,获得积分10
54秒前
大橙子发布了新的文献求助10
57秒前
xdlongchem完成签到,获得积分10
58秒前
量子星尘发布了新的文献求助10
1分钟前
小梦完成签到,获得积分10
1分钟前
xuhang完成签到,获得积分10
1分钟前
ZSHAN完成签到,获得积分10
1分钟前
美满的机器猫完成签到,获得积分10
1分钟前
王小磊完成签到,获得积分10
1分钟前
谢花花完成签到 ,获得积分10
1分钟前
1分钟前
瓦罐完成签到 ,获得积分10
1分钟前
扁舟灬完成签到,获得积分10
1分钟前
Cpp完成签到 ,获得积分10
1分钟前
贤惠的老黑完成签到 ,获得积分10
1分钟前
ame1120发布了新的文献求助10
1分钟前
倦梦还完成签到,获得积分10
1分钟前
Sunrise完成签到,获得积分10
1分钟前
yyyy发布了新的文献求助10
1分钟前
自觉柠檬完成签到 ,获得积分10
1分钟前
ergatoid完成签到,获得积分10
1分钟前
Hao完成签到,获得积分10
1分钟前
月亮煮粥完成签到,获得积分10
1分钟前
高分求助中
【提示信息,请勿应助】关于scihub 10000
Les Mantodea de Guyane: Insecta, Polyneoptera [The Mantids of French Guiana] 3000
徐淮辽南地区新元古代叠层石及生物地层 3000
The Mother of All Tableaux: Order, Equivalence, and Geometry in the Large-scale Structure of Optimality Theory 3000
Handbook of Industrial Diamonds.Vol2 1100
Global Eyelash Assessment scale (GEA) 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 550
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 4038128
求助须知:如何正确求助?哪些是违规求助? 3575831
关于积分的说明 11373827
捐赠科研通 3305610
什么是DOI,文献DOI怎么找? 1819255
邀请新用户注册赠送积分活动 892655
科研通“疑难数据库(出版商)”最低求助积分说明 815022