EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Semi-Supervised Heterogeneous Domain Adaptation: Theory and Algorithms

Zhen Fang, Jie Lu, Feng Liu, Guangquan Zhang

IEEE Transactions on Pattern Analysis and Machine Intelligence · 01.01.2023 · 45 (1) · 1087-1105

DOI: 10.1109/tpami.2022.3146234 ↗

Kurz gefasst

Fachartikel in der Zeitschrift IEEE Transactions on Pattern Analysis and Machine Intelligence, erschienen am 01.01.2023. Verfasst von Zhen Fang und 3 weiteren Autor:innen. Die Arbeit wurde bisher 81-mal zitiert (Crossref) und nennt 82 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Australian Research Council.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Förderung

  • Australian Research Council

Zitieren

APA

Fang, Z., Lu, J., Liu, F., & Zhang, G. (2023). Semi-Supervised Heterogeneous Domain Adaptation: Theory and Algorithms. IEEE Transactions on Pattern Analysis and Machine Intelligence, 45(1), 1087-1105. https://doi.org/10.1109/tpami.2022.3146234

Vancouver

Fang Z, Lu J, Liu F, Zhang G. Semi-Supervised Heterogeneous Domain Adaptation: Theory and Algorithms. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2023;45(1):1087-1105. doi:10.1109/tpami.2022.3146234

BibTeX
@article{Fang2023,
  author = {Fang, Zhen and Lu, Jie and Liu, Feng and Zhang, Guangquan},
  title = {Semi-Supervised Heterogeneous Domain Adaptation: Theory and Algorithms},
  journal = {IEEE Transactions on Pattern Analysis and Machine Intelligence},
  year = {2023},
  volume = {45},
  number = {1},
  pages = {1087--1105},
  doi = {10.1109/tpami.2022.3146234}
}
Kostenlos starten →