基于TSK模糊系统的在线领域自适应分类方法及装置制造方法及图纸

本发明专利技术提供的基于TSK模糊系统的在线领域自适应分类方法及装置，具体涉及人工智能技术领域，方案包括：基于有标签的源域数据集，利用图的随机游走策略，确定无标签的已知目标域数据集中每个已知目标域数据的样本对应的伪标签；利用TSK模糊系统对源域数据集和已知目标域数据集进行映射，确定特征矩阵，并基于特征矩阵和伪标签，构建共享模糊特征空间，从而对在线目标域中的数据进行分类。该方案通过TSK模糊系统将源域和目标域的数据映射到共享模糊特征空间中，使得源域和目标域的之间的分布差异最小；基于模糊特征空间提取与在线目标域数据相关的潜在子空间，将在线目标域数据对齐到潜在子空间，能提高在线背景下分类的精度和效率。

【技术实现步骤摘要】

本专利技术涉及人工智能，尤其涉及的是一种基于tsk模糊系统的在线领域自适应分类方法及装置。

技术介绍

1、目前，领域自适应方法主要是基于数据分布匹配和子空间学习来减少源域和目标域的域间差异。子空间学习通过子空间变换以对齐不同域的子空间，以获得更好的数据表示。分布对齐旨在原始特征空间中减少域之间的边缘或条件分布差异。

2、根据目标域数据的离线和在线情况，可以将领域自适应方法分为离线领域自适应方法和在线领域自适应方法。在实际应用中目标域数据通常无法一次性获得，因此在线领域自适应方法更具备实用价值。现有的在线领域自适应方法通常能够利用一小部分有标签的目标域数据(其余目标域数据无标签)，采用核函数进行特征映射并衡量源域和目标域的分布差异。然而，采用核函数将源域中的非线性问题在高维空间中映射为线性问题的过程中，会丢失较多的原始信息。不仅如此，现有的在线领域自适应方法通常没有考虑已知目标域数据和未知目标域数据可能存在域偏移的问题。上述缺点和不足最终导致分类结果精度较低。

技术实现思路

1、鉴于上述现有技术的不本文档来自技高网...

【技术保护点】

1.基于TSK模糊系统的在线领域自适应分类方法，其特征在于，包括：

2.根据权利要求1所述的基于TSK模糊系统的在线领域自适应分类方法，其特征在于，所述基于所述特征矩阵和所述伪标签，构建共享模糊特征空间，包括：

3.根据权利要求2所述的基于TSK模糊系统的在线领域自适应分类方法，其特征在于，所述基于所述特征矩阵、所述伪标签和预设的约束条件，构建所述源域和所述已知目标域在迁移特征学习中的目标函数，获得最优投影矩阵，包括：

4.根据权利要求2所述的基于TSK模糊系统的在线领域自适应分类方法，其特征在于，在所述获得最优投影矩阵之后，还包括：

5....

【技术特征摘要】

1.基于tsk模糊系统的在线领域自适应分类方法，其特征在于，包括：

2.根据权利要求1所述的基于tsk模糊系统的在线领域自适应分类方法，其特征在于，所述基于所述特征矩阵和所述伪标签，构建共享模糊特征空间，包括：

3.根据权利要求2所述的基于tsk模糊系统的在线领域自适应分类方法，其特征在于，所述基于所述特征矩阵、所述伪标签和预设的约束条件，构建所述源域和所述已知目标域在迁移特征学习中的目标函数，获得最优投影矩阵，包括：

4.根据权利要求2所述的基于tsk模糊系统的在线领域自适应分类方法，其特征在于，在所述获得最优投影矩阵之后，还包括：

5.根据权利要求1所述的基于tsk模糊系统的在线领域自适应分类方法，其特征在于，在所述确定所述已知目标域数据集中每个所述已知目标域数据的样本对应的伪标签之后，还包括对所述伪标签进行过滤，更新所述伪标签，具体包括：

6.根据权利要求1所述的基于tsk模糊系统的在线领域自适应分类方法，其特征在于，所述基于所述共享模糊...

【专利技术属性】
技术研发人员：蔡璟，张远鹏，
申请(专利权)人：香港理工大学深圳研究院，
类型：发明
国别省市：