(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111430388.5 (22)申请日 2021.11.29 (71)申请人 河南工业大 学 地址 450001 河南省郑州市莲 花街100号 (72)发明人 吴兰　王涵　田亚芳　 (74)专利代理 机构 北京圣州专利代理事务所 (普通合伙) 11818 专利代理师 黄青青 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06F 111/06(2020.01) (54)发明名称 一种基于相似性度量的多源到多目标域自 适应的方法 (57)摘要 本发明涉及一种自适应方法， 尤其为一种基 于相似性度量的多源到多目标域自适应的方法， 包括相似性度量、 域间对齐以及互学习； 所述相 似性度量为： 各域数据经过公共特征提取器以 后， 在送入到特定于源域的特征提取层， 根据源 域和目标域的任务及分布间的相似性得到可迁 移性较强的源域； 所述域间对齐为得到的源域与 目标域进行类别对齐； 所述互学习为以所提取的 特征为对象， 在源域间、 目标域间进行相互学习 对模型进行优化， 本发明对多个源域与目标域进 行相似性度量得到可迁移源域,并实施域间互学 习以对模型对齐进行优化。 权利要求书2页 说明书13页 附图5页 CN 114444374 A 2022.05.06 CN 114444374 A 1.一种基于相似性度量的多源到多目标域自适应的方法， 其特征在于： 包括相似性度 量、 域间对齐以及互学习； 所述相似性度量为： 各域数据经过公共特征提取器以后， 在送入到特定于源域的特征 提取层， 根据源域和目标域的任务及分布间的相似性得到可迁移性较强的源域； 所述域间对齐为得到的源域与目标域进行类别对齐； 所述互学习为以所提取的特征为对象， 在源域间、 目标域间进行相互学习对模型进行 优化。 2.根据权利要求1所述的基于相似性度量的多源到多目标域自适应的方法， 其特征在 于： 所述相似性度量还包括计算源域分类器以及适用于目标域的分类器之 间的距离作为任 务相似性， 公式为： 3.根据权利要求1所述的基于相似性度量的多源到多目标域自适应的方法， 其特征在 于： 所述相似性度量还 包括度量源域和目标域间样本特 征分布的相似性， 公式为： 其中， m,n分别指的是源域和目标域的个数。 4.根据权利要求1所述的基于相似性度量的多源到多目标域自适应的方法， 其特征在 于： 所述相似性度量还包括： 融合域间的任务相似性以及分布相似性设置阈值， 根据阈值判 断源域是否适 合进行迁移， 阈值设置公式为： 进行源域筛 选以后， 对得到的源域进行 添加权重， 权重可以表示 为： 则， 得到的源域分类损失可表示 为： 5.根据权利要求1所述的基于相似性度量的多源到多目标域自适应的方法， 其特征在 于： 所述域间对齐还 包括将局部最大平均值差异损失定义 为： 其中， 和 是 和Dt中的样本实例， p(c)和q(c)是两 个域中第c 个类别的数据分布； H权　利　要　求　书 1/2 页 2 CN 114444374 A 2表示的是是具有特征核κ 的再生核希尔伯特空间； φ( ·)表示的是将原始样本映射到再生 核希尔伯特空间 的特征映射； 核κ表示的是 <·，·〉 表示的是向量 的内积。 6.根据权利要求1所述的基于相似性度量的多源到多目标域自适应的方法， 其特征在 于： 所述互学习包括源域之间互学习和目标域之间互学习。 7.根据权利要求6所述的基于相似性度量的多源到多目标域自适应的方法， 其特征在 于： 所述源域之间互学习中， 包括 最小化所有分类 器之间的差异， 公式为： 8.根据权利要求1所述的基于相似性度量的多源到多目标域自适应的方法， 其特征在 于： 所述目标域之间互学习中， 目标域相互学习损失函数公式可以表示 为： 权　利　要　求　书 2/2 页 3 CN 114444374 A 3