近日，中國(guó)農(nóng)業(yè)大學(xué)理學(xué)院數(shù)學(xué)系鐘萍教授團(tuán)隊(duì)與國(guó)家數(shù)字漁業(yè)創(chuàng)新中心合作在領(lǐng)域自適應(yīng)研究工作中取得新進(jìn)展，在國(guó)際著名頂級(jí)期刊《IEEE圖像處理匯刊》（IEEE Transactions on Image Processing）上發(fā)表論文《基于概率的圖嵌入跨域和類判別特征學(xué)習(xí)》（Probability-based Graph Embedding Cross-domain and Class Discriminative Feature Learning for Domain Adaptation），提出了一個(gè)基于概率的圖嵌入跨域和類判別特征學(xué)習(xí)框架（PGCD），在圖像處理領(lǐng)域給出了新方法。

圖像處理是智慧農(nóng)業(yè)的重要組成部分，是將理論與具體關(guān)鍵問題相結(jié)合的重要著力點(diǎn)。本研究立足于應(yīng)用數(shù)學(xué)，在育種、養(yǎng)殖、病蟲害防治等諸多重大課題中有著十分廣闊的發(fā)展前景。領(lǐng)域自適應(yīng)是中國(guó)農(nóng)業(yè)大學(xué)應(yīng)用數(shù)學(xué)學(xué)科長(zhǎng)期聚焦的機(jī)器學(xué)習(xí)領(lǐng)域中的重要方向，其特點(diǎn)是能夠?qū)崿F(xiàn)不同來(lái)源的數(shù)據(jù)集之間的知識(shí)遷移，是數(shù)學(xué)學(xué)科與農(nóng)業(yè)中的諸多重點(diǎn)問題的緊密結(jié)合點(diǎn)與顯著提升點(diǎn)。

在實(shí)際研究中，研究人員經(jīng)常需要處理在不同時(shí)間或地點(diǎn)采集的同類型數(shù)據(jù)集。一般來(lái)說，這類相關(guān)而不同源的數(shù)據(jù)集不能直接在研究中使用，然而領(lǐng)域自適應(yīng)可以挖掘它們之間共享的信息，并實(shí)現(xiàn)知識(shí)跨領(lǐng)域復(fù)用。領(lǐng)域自適應(yīng)的關(guān)鍵在于解決領(lǐng)域間的數(shù)據(jù)概率分布不一致的問題，最大程度地減小領(lǐng)域間的數(shù)據(jù)分布差異。在無(wú)監(jiān)督領(lǐng)域自適應(yīng)中，由于目標(biāo)數(shù)據(jù)沒有標(biāo)記信息，造成跨領(lǐng)域類別之間缺乏對(duì)應(yīng)關(guān)系，因此該研究仍然處于富有挑戰(zhàn)的階段。

本論文提出了一種基于概率的圖嵌入跨域?qū)R和類判別特征學(xué)習(xí)框架PGCD。一方面，PGCD在目標(biāo)域?yàn)槊總€(gè)樣本建立了與其對(duì)應(yīng)的置信加權(quán)質(zhì)心，構(gòu)建了新的圖嵌入結(jié)構(gòu)，提升了遷移特征學(xué)習(xí)的準(zhǔn)確性。另一方面，PGCD采用具有概率信息的新權(quán)重策略生成魯棒性的質(zhì)心，從源域到目標(biāo)域、目標(biāo)域到源域兩個(gè)方向，構(gòu)建了新的圖嵌入結(jié)構(gòu)，完成了對(duì)兩個(gè)域的局部和全局結(jié)構(gòu)的對(duì)齊。論文同時(shí)為新構(gòu)建的圖嵌入項(xiàng)給出了理論分析，進(jìn)一步描述了域內(nèi)和跨域遷移特征學(xué)習(xí)場(chǎng)景中樣本間的關(guān)系。