Lili Zhou ,Tao Wang,Qing Wen Chen，

IIHMSP,2017,

Piraeus-Athens, Greece，

2017.07.18-07.20

       多场景、跨领域交叉应用是智能化目标识别算法发展的新趋势。由于应用领域的多样性， 难以为每一个全新的领域采集标注足量的训练样本，导致以监督学习为基础的传统目标识别算 法不能有效地推广到新的应用领域。开展半监督无监督条件下的跨领域目标识 别关键技术研究，解决因样本信息不完备与样本稀疏而导致的识别模型泛化能力不强及识别性 能不佳问题。首先提出一种基于领域参数相似性正则化的跨领域目标识别算法，解决半监督条 件下的领域负迁移问题；然后，提出一种结构化领域联合分布适配算法，解决无监督大样本条 件下的领域欠适配问题；最后，提出一种基于属性图模型的跨领域目标识别方法，解决无监督 少样本条件下的领域特征建模问题。通过建立完善的算法模型框架与性能评估机制，实现不同 条件下跨领域目标的有效识别。研究成果将显著改善当前目标识别算法的应用领域局 限性问题，能够广泛应用于工业、农业、军工产业及国民生活等领域。