一种基于去噪对比学习的鲁棒跨域自适应分类方法

    公开(公告)号:CN116451111A

    公开(公告)日:2023-07-18

    申请号:CN202310252690.9

    申请日:2023-03-15

    IPC分类号: G06F18/24 G06F17/16 G06N3/088

    摘要: 本发明公开了一种基于去噪对比学习的鲁棒跨域自适应分类方法,包括:获取源域数据和目标域数据;利用分类网络分别从源域、目标域数据中选取干净样本;根据源域、目标域数据中所有样本建立图结构,根据图结构对噪声样本进行标签传播以对其净化得到源域、目标域数据对应鲁棒标签矩阵,根据鲁棒标签矩阵构建目标损失函数;对干净样本分别执行包括跨域类内对齐和类间分散的跨域去噪对比学习方法;基于跨域类内对齐构建了分布匹配函数,基于类间分散构建了嵌入离散函数;根据目标损失函数、分布匹配函数和嵌入离散函数构建最终的目标优化函数;根据分类网络,以及目标优化函数迭代实现目标域数据的分类。本发明使监督更加可靠,增强了类的区分能力。