(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 202111499822.5 (22)申请日 2021.12.09 (71)申请人 宁波职业 技术学院 地址 315800 浙江省宁波市经济技 术开发 区庐山东路388号 (72)发明人 陶剑文　但雨芳　潘婕　 (74)专利代理 机构 上海泰能知识产权代理事务 所(普通合伙) 3123 3 专利代理师 宋缨 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06K 9/62(2022.01) G06N 20/00(2019.01) (54)发明名称 一种可能性分布距离度量下鲁棒的域适应 视觉分类方法 (57)摘要 本发明涉及一种可能性分布距离度量下鲁 棒的域适应视觉分类方法， 包括： 步骤(1)： 获取 源域和目标域； 步骤(2)： 根据可能性聚类假设， 将源域与综合域进行匹配， 得到距离度量； 其中， 所述综合域为源域和目标域的集合； 步骤(3)： 通 过在所述距离度量中加入模糊熵来提高距离度 量的匹配贡献度对源域噪声数据的鲁棒性； 步骤 (4)： 通过拉普拉斯正则化对加入模糊熵后的距 离度量进行优化， 得到分类器； 步骤(5)： 利用目 标域对所述 分类器进行训练， 得到训练好的分类 器； 步骤(6)： 通过训练好的分类器对图像进行分 类。 本发明的方法具有显著的鲁棒性和分类精确 度。 权利要求书2页 说明书8页 附图1页 CN 114494761 A 2022.05.13 CN 114494761 A 1.一种可能性分布 距离度量下鲁棒的域 适应视觉分类方法， 其特 征在于， 包括： 步骤(1)： 获取源域和目标域； 步骤(2)： 根据可能性聚类假设， 将源域与综合域进行匹配， 得到距离度量； 其中， 所述 综合域为源域和目标域的集 合； 步骤(3)： 通过在所述距离度量中加入模糊熵来提高距离度量的匹配贡献度对源域噪 声数据的鲁棒 性； 步骤(4)： 通过拉普拉斯 正则化对加入 模糊熵后的距离度量进行优化， 得到分类 器； 步骤(5)： 利用目标域对所述分类 器进行训练， 得到训练好的分类 器； 步骤(6)： 通过训练好的分类 器对图像进行分类。 2.根据权利要求1所述的可能性分布距离度量下鲁棒的域适应视觉分类方法， 其特征 在于， 所述 步骤(2)包括： 步骤(21)： 计算基于可能性聚类假设的领域核空间分布差， 将源域的每个实例与综合 域均值进行距离度量； 步骤(22)： 根据距离度量 来衡量源域各实例与综合 域均值的相关度。 3.根据权利要求2所述的可能性分布距离度量下鲁棒的域适应视觉分类方法， 其特征 在于， 所述步骤(21)中将源域的每个实例与综合域均值进行距离度量时， 通过加入匹配贡 献度函数λ对源域噪声数据进行弱化处理， 公式为： 其中， ΩP (,)为可能性领域适应 分布的距离度量， Xss.t.0≤ λi≤1为源域数据集， Xt为目标域数据集， μs为源域的均值， μt为目标域的均值， φ()为希尔伯特变换， H为RKHS核空 间， N＝n+m， n为源域 数据点个数， m为目标域 数据点个数， xi为综合域中第i个数据样本， λi为 xs,i距综合域均值的匹配贡献度值， xs,i为源域第i个样本， b为λi的权重指数， ||  ||为范数 算子。 4.根据权利要求3所述的可能性分布距离度量下鲁棒的域适应视觉分类方法， 其特征 在于， 所述步骤(3)具体为： 在所述步骤(21)中将源域的每个样 本与综合域均值进行距离度 量时， 还包括将模糊熵加入公式 来提高距离度量 的匹配贡献 度对源域噪声数据的鲁棒性 ， 公式为 ： 其中 ， 为模糊熵， β 为平衡参数。 5.根据权利要求4所述的可能性分布距离度量下鲁棒的域适应视觉分类方法， 其特征 在于， 所述步骤(4)中的通过拉普拉斯正则化对加入模糊熵后的距离度量进行优化， 公式权　利　要　求　书 1/2 页 2 CN 114494761 A 2为： 其中， c为目标 域类别数， 当c ＝0时， 则 和 分别为整个源域和整个目标域的均值， 当c∈[1,2,...,C] 时， 则 和 分别为源域和目标域中对应类别的均值； xt,j为目标域实例， 为xi属于综 合域中第c个类别的匹配贡献度值， W＝{Ws,Wt}， Ws为源域原有的模型， Wt为目标域的未知模 型， α 、 η、 ρ 都为目标函数中各项所对 应的平衡 参数， Y＝[Ys； Yt]∈iN×C， Yt为目标域 标签矩阵， Ys为源域标签矩阵， L 为拉普拉斯图矩阵， W 为决策函数。权　利　要　求　书 2/2 页 3 CN 114494761 A 3