Semi-Supervised Heterogeneous Domain Adaptation : Theory and Algorithms

Semi-supervised heterogeneous domain adaptation (SsHeDA) aims to train a classifier for the target domain, in which only unlabeled and a small number of labeled data are available. This is done by leveraging knowledge acquired from a heterogeneous source domain. From algorithmic perspectives, severa...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	IEEE transactions on pattern analysis and machine intelligence. - 1979. - 45(2023), 1 vom: 27. Jan., Seite 1087-1105
1. Verfasser:	Fang, Zhen (VerfasserIn)
Weitere Verfasser:	Lu, Jie, Liu, Feng, Zhang, Guangquan
Format:	Online-Aufsatz
Sprache:	English
Veröffentlicht:	2023
Zugriff auf das übergeordnete Werk:	IEEE transactions on pattern analysis and machine intelligence
Schlagworte:	Journal Article