matlab精度检验代码-JPDA:区分性联合概率MMD（DJP-MMD）的代码

matlab精度检验代码联合概率分布适应（JPDA） 该存储库包含用于域自适应的简单但有效的区分联合概率MMD（DJP-MMD）的代码。 我们通过将其嵌入联合概率域适应（JPDA）框架来验证其性能。 下图显示了DJP-MMD和联合MMD之间的区别。 更多细节请看 与传统的MMD方法相比，JPDA具有更简单的形式，并且在测量不同域之间的差异方面更有效。 在六个图像分类数据集上的实验证明了JPDA的有效性。 表1中显示了Multi-PIE数据集的平均精度。在大多数任务中，JPDA优于所有基于联合MMD的方法，与JDA相比，其准确性提高了4.69％ 。 运行代码 该代码是MATLAB代码在Windows 10系统中工作的。 代码文件介绍： demo_classify_office.m-演示文件，有关数据集Office + Caltech上的12个跨域图像分类任务的JPDA。 demo_classify_other.m-演示文件，数据集COIL，USPS和MNIST上的4个跨域图像分类任务的联合概率分布自适应（JPDA）。 demo_classify_pie.m-演示文件，有关数据集Multi