文件名称：matlab精度检验代码-JPDA:区分性联合概率MMD（DJP-MMD）的代码
文件大小：52.69MB
文件格式：ZIP
更新时间：2024-06-10 15:58:44
系统开源
matlab精度检验代码联合概率分布适应（JPDA） 该存储库包含用于域自适应的简单但有效的区分联合概率MMD（DJP-MMD）的代码。 我们通过将其嵌入联合概率域适应（JPDA）框架来验证其性能。 下图显示了DJP-MMD和联合MMD之间的区别。 更多细节请看 与传统的MMD方法相比，JPDA具有更简单的形式，并且在测量不同域之间的差异方面更有效。 在六个图像分类数据集上的实验证明了JPDA的有效性。 表1中显示了Multi-PIE数据集的平均精度。在大多数任务中，JPDA优于所有基于联合MMD的方法，与JDA相比，其准确性提高了4.69％ 。 运行代码 该代码是MATLAB代码在Windows 10系统中工作的。 代码文件介绍： demo_classify_office.m-演示文件，有关数据集Office + Caltech上的12个跨域图像分类任务的JPDA。 demo_classify_other.m-演示文件，数据集COIL，USPS和MNIST上的4个跨域图像分类任务的联合概率分布自适应（JPDA）。 demo_classify_pie.m-演示文件，有关数据集Multi
【文件预览】：
JPDA-master
----README.md(3KB)
----demo_classify_pie.m(1KB)
----presentation()
--------JPDA_overview.png(68KB)
--------acc_pie.png(110KB)
----demo_classify_office.m(1KB)
----data()
--------PIE27.mat(12.07MB)
--------PIE29.mat(5.74MB)
--------PIE07.mat(5.75MB)
--------MNIST_vs_USPS.mat(2.9MB)
--------COIL2_vs_COIL1.mat(2.69MB)
--------Office()
--------USPS_vs_MNIST.mat(2.9MB)
--------PIE05.mat(11.84MB)
--------PIE09.mat(5.86MB)
--------COIL1_vs_COIL2.mat(2.69MB)
----JPDA.m(3KB)
----demo_classify_other.m(944B)