[发明专利]一种基于交互表示的域自适应子空间学习方法

权利要求书

1.一种基于交互表示的域自适应子空间学习方法，其特征在于，所述方法包括步骤：

将一个图像数据集划分为源域和目标域；

通过低秩约束实现重构矩阵找到一个不变的子空间，所述的不变子空间表达公式为：

其中，和分别表示源域和目标域的样本，D表示原始样本的维数，n_s和n_t分别表示源域和目标域的样本个数，P_s∈R^D×d和P_t∈R^D×d分别表示源域和目标域的投影，d表示子空间的维数，Z₁和Z₂表示重构矩阵，λ表示权衡参数；

通过设置一个距离约束来解决两个域的域不一致问题，所述距离约束为：

将目标域与源域的标签加入到分类模型中，得到一个类似于域间子空间的判别式，以获得更多的鉴别信息，提高模型的分辨率，所述标签判别式为：

其中，X表示源域数据集和目标域数据集的合成数据集，X＝[X_s+X_t]，标签矩阵Y定义为：

结合得到的子空间和标签信息，得到一个最后的分类函数，计算出分类结果，所述的分类函数表示为：

其中，λ和表示权衡参数；

根据所得到的分类结果，计算所述图像数据集中图像的分类精度。

2.根据权利要求1所述的基于交互表示的域自适应子空间学习方法，其特征在于，所述分类函数根据如下步骤求解出最优解：

通过增广拉格朗日乘子法确定目标函数的拉格朗日函数形式；

利用交替方向乘子算法，在其他变量不变的条件下，针对每个变量迭代求解最小化，固定其他变量，删除与P_s无关的函数项，得到变量P_s的目标函数式，通过将P_s的导数设置为0，进行求解；

固定其他变量，删除与P_t无关的函数项目，得到变量P_t的目标函数式，通过将P_t的导数设置为0，进行求解；

固定其他变量，删除与Z₁无关的函数项目，得到变量Z₁的目标函数式，通过将Z₁的导数设置为0，进行求解；

固定其他变量，删除与Z₂无关的函数项目，得到变量Z₂的目标函数式，通过将Z₂的导数设置为0，进行求解。