TY -的A2孟Fanlin盟——藏Shaofei AU -李,星海AU - Ma,健胃盟——燕,Yongyi AU - Lv,金丰盟,魏元PY - 2022 DA - 2022/10/03 TI -歧视的极端与跨域均值近似为无监督学习机器领域适应SP - 2463746六世- 2022 AB -极端学习机(ELM)是广泛应用于各个领域,因为它快速培训和高精度。然而,它并不主要适用领域适应(DA),其中有许多注释数据从辅助域和很少甚至根本没有带注释的数据在目标域。在本文中,我们提出一个新变型榆树的歧视与跨域均值近似极端学习机(DELM-CDMA)无监督领域适应气候变化。介绍了跨域均值近似(CDMA)榆树减少隐层的分布差异域域消除偏见,这有利于训练高精度榆树注释数据辅助域的目标任务。线性判别分析(LDA)也采取了提高学习模型的歧视和获得更高的精度。此外,我们进一步提供一个区别的内核与跨域均值近似极端学习机(DKELM-CDMA)作为kernelization DELM-CDMA的延伸。一些实验进行建议的方法,研究结果表明,DELM-CDMA和DKELM-CDMA能有效地延长榆树适合领域适应和超越榆树和许多其他领域适应气候变化的方法。SN - 1076 - 2787你——https://doi.org/10.1155/2022/2463746——10.1155 / 2022/2463746 JF - PB - Hindawi KW - ER -复杂性