xueliang

论文笔记：JGSA论文论文解读JGSA伪代码总结 论文 Jing Zhang, Wanqing Li, and Philip Ogunbona. 2017. Joint geometrical and statistical alignment for visual domain adaptation. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR’17). 论文解读 Joint

TCA Transfer component analysis 论文 Pan, S. J., Tsang, I. W., Kwok, J. T., and Yang, Q. (2011). Domain adaptation via transfer component analysis. IEEE TNN, 22(2):199–210. 数据分布自适应 由于源域和目标域的数据概率分布不同，通过变换将不同的数据分布的距离拉近。 边缘分布自适应 边缘分布自适应，数据整体不相似，边缘分布自适应方法的目标是减小源

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录论文一、问题提出二、算法目标以及求解1.属性保留2.减小边缘概率分布差异3. 减小条件概率分布差异4. 目标函数构建及求解构建目标函数引入核技巧目标函数求解伪代码总结 论文 Long, M., Wang, J., et al. (2013). Transfer feature learning with joint distribution adaptation. In ICCV, pages 2200–2207. 一、问题提出