Wrappers and implementations of several domain adaptation / semi-supervised learning algorithms
Sie verfolgen jetzt diese Einreichung
- Aktualisierungen können Sie in Ihrem Feed verfolgter Inhalte sehen.
- Je nach Ihren Kommunikationseinstellungen können Sie auch E-Mails erhalten.
Wrappers and implementations of several domain adaptation / transfer learning / semi-supervised learning algorithms, including:
* Transfer Component Analysis (TCA)
* Maximum Independence Domain Adaptation (MIDA)
* Subspace Alignment (SA)
* Information-Theoretical Learning (ITL)
* Geodesic flow kernel (GFK)
* Stationary Subspace Analysis (SSA)
* Laplacian SVM (LapSVM)
* Laplacian ridge regression (LapRR)
* Transducive SVM (TSVM)
* (Kernel) PCA (KPCA)
Please find details at: http://yanke23.com/articles/research/2016/04/17/A-domain-adaptation-matlab-toolbox.html
or https://github.com/viggin/domain-adaptation-toolbox
Zitieren als
Ke Yan (2026). A domain adaptation toolbox (https://github.com/viggin/domain-adaptation-toolbox), GitHub. Abgerufen .
Allgemeine Informationen
- Version 1.0.0.0 (4,68 MB)
-
Lizenz auf GitHub anzeigen
Kompatibilität der MATLAB-Version
- Kompatibel mit allen Versionen
Plattform-Kompatibilität
- Windows
- macOS
- Linux
Versionen, die den GitHub-Standardzweig verwenden, können nicht heruntergeladen werden
| Version | Veröffentlicht | Versionshinweise | Action |
|---|---|---|---|
| 1.0.0.0 | update description
|
