低秩相关跨域模型

抗噪更稳

将统一聚类结构与深度低秩相关结合，在数据含噪时更稳定地实现跨域适配。

Shen, Xiangjun · Yanan, Cai · Abhadiomhen, Stanley Ebhohimhen · Liu, Zhifeng · 詹永照 · 范建平

IEEE Transactions on Multimedia 2023

技术优势

噪声降低

利用低秩结构捕捉跨域数据的全局相关性，从而抑制噪声样本的负面影响。

共享聚类结构

引入共同的拉普拉斯亲和结构，使学习到的特征与统一的聚类模式对齐，促进域间一致性。

应用场景

• 视觉域适应：在 Office-31 等视觉数据上跨域分类更抗噪。
• 脑电跨域分析：处理含噪脑电时利用低秩结构提升跨域稳定性。
• 跨传感器数据融合：统一聚类结构辅助融合不同传感器域的含噪数据。