跨被试动作识别更稳
通过源域选择与正则化丢弃，压缩特征子空间分布，实现跨被试场景下的多级特征对齐，缓解个体差异导致的性能下降。
杨哲 · Hao, Fu · 宦若虹 · Mengjie, Qu · 潘赟
International Journal of Pattern Recognition and Artificial Intelligence 2025
通过计算被试间Wasserstein距离保留高相似度源域被试，隐式压缩特征子空间分布，提升迁移效果。
对保留的被试进行线性数据增广，缓解训练集规模下降的影响，增强模型的泛化能力。
采用正则化dropout显式压缩特征子空间，并通过多级MMD正则实现源域与目标域的精确匹配。
在被试间差异大的数据集上性能超越现有方法，在平衡数据集上也能达到同等水平，适应性更强。