10、支持向量机在迁移学习与对抗环境中的研究进展

支持向量机在迁移学习与对抗环境中的研究进展

1. 迁移学习方法对比

在多类人脸识别数据集的实验中，研究人员对提出的 LSDAKSVM 和 μ - DAKSVM 算法进行了评估，同时与 CDCS、LWE、DTSVM、LMPROJ 以及基线方法 LS - SVM 进行对比。

1.1 数据集设置

• Yale 人脸数据库 ：由耶鲁计算视觉与控制中心构建，包含 15 个人的 165 张图像，每人 11 张。图像展示了不同光照条件（左右、中心光、右光）和面部表情（正常、高兴、悲伤、困倦、惊讶和眨眼）下的人脸变化，有无眼镜情况也有体现。实验中每张图像裁剪为 32×32 大小。随机选取每人 8 张图像构建源域数据集。
• ORL 数据库 ：包含 40 个不同主题的 400 张图像，每人 10 张。图像在不同时间拍摄，部分主题的图像面部表情和细节有所不同。所有图像以深色均匀背景拍摄，允许约 20 的侧面移动。原始图像大小为 112×92 像素，每个像素 256 个灰度级，实验中进一步下采样为 32×32 像素。同样随机选取每人 8 张图像构建源域训练集。
• 目标数据集生成 ：通过将原始源域数据集分别逆时针旋转 10°、30° 和 50° 生成目标数据集。由于旋转，源域和目标域数据呈现不同分布，旋转角度越大，域适应问题越复杂。为每个数据库构建了三个面部域适应迁移学习问题。

数据库	图像数量