كاهش خطاي پيش بيني مدل هاي طبقه بند از طريق تطبيق توزيع عمومي و هندسي دامنه هاي بصري

روش هاي تطبيق دامنه، با كاهش اختلاف بين دامنه اي، مدل هايي تطبيق پذير بين نمونه هاي آموزشي و آزمون ايجاد مي كنند. هدف اين روش ها، يافتن يك طبقه بند بر اساس داده هاي آموزشي است به طوري كه داراي بيشترين انطباق با نمونه هاي آزمون باشد. در اين مقاله، يك روش دومرحله اي با هدف حداقل سازي خطاي طبقه بندي و حداكثرسازي سازگاري بين دامنه اي پيشنهاد شده است. روش پيشنهادي، ابتدا با ايجاد يك نمايش مشترك به كاهش اختلاف توزيع بين نمونه هاي آموزشي و آزمون پرداخته و سپس، يك مدل يادگيري با حداقل خطاي پيش بيني در نمايش جديد ايجاد مي كند. روش پيشنهادي، بر روي پايگاه داده هاي بصري شناخته شده از طريق طراحي آزمايش هاي مختلف مورد ارزيابي قرارگرفته است. نتايج نشان مي دهند روش پيشنهادي عملكرد بهتري در پيش بيني برچسب نمونه هاي جديد، نسبت به روش هاي جديد حوزه تطبيق دامنه دارد.