近日，中國農業大學理學院數學係鍾萍教授團隊與國家數字漁業創新中心合作在領域自適應研究工作中取得新進展，在國際著名頂級期刊《IEEE圖像處理彙刊》（IEEE Transactions on Image Processing）上發表論文《基於概率的圖嵌入跨域和類判別特征學習》（Probability-based Graph Embedding Cross-domain and Class Discriminative Feature Learning for Domain Adaptation），提出了一個基於概率的圖嵌入跨域和類判別特征學習框架（PGCD），在圖像處理領域給出了新方法。

　　圖像處理是智慧農業的重要組成部分，是將理論與具體關鍵問題相結合的重要著力點。本研究立足於應用數學，在育種、養殖、病蟲害防治等諸多重大課題中有著十分廣闊的發展前景。領域自適應是中國農業大學應用數學學科長期聚焦的機器學習領域中的重要方向，其特點是能夠實現不同來源的數據集之間的知識遷移，是數學學科與農業中的諸多重點問題的緊密結合點與顯著提升點。

　　在實際研究中，研究人員經常需要處理在不同時間或地點采集的同類型數據集。一般來說，這類相關而不同源的數據集不能直接在研究中使用，然而領域自適應可以挖掘它們之間共享的信息，並實現知識跨領域複用。領域自適應的關鍵在於解決領域間的數據概率分布不一致的問題，最大程度地減小領域間的數據分布差異。在無監督領域自適應中，由於目標數據沒有標記信息，造成跨領域類別之間缺乏對應關係，因此該研究仍然處於富有挑戰的階段。

圖1:模型示意圖

　　本論文提出了一種基於概率的圖嵌入跨域對齊和類判別特征學習框架PGCD。一方麵，PGCD在目標域為每個樣本建立了與其對應的置信加權質心，構建了新的圖嵌入結構，提升了遷移特征學習的準確性。另一方麵，PGCD采用具有概率信息的新權重策略生成魯棒性的質心，從源域到目標域、目標域到源域兩個方向，構建了新的圖嵌入結構，完成了對兩個域的局部和全局結構的對齊。論文同時為新構建的圖嵌入項給出了理論分析，進一步描述了域內和跨域遷移特征學習場景中樣本間的關係。

　　中國農業大學為本文的第一完成單位，理學院鍾萍教授和信息與電氣工程學院陳英義教授為本文的通訊作者，中國農業大學國家數字漁業創新中心團隊博士生王文旭（指導教師為鍾萍教授）為本文的第一作者，本文的作者還包括團隊的李道亮教授與申振才副教授。本研究得到了國家自然科學基金（No. 62076244）、中國農業大學基本科研業務費專項資金（No. 2022TC109）、中國農業大學國際合作“雙一流”項目（No. 10020799）和漁業大數據研究“雙一流”項目的資助。

　　中國農業大學數學學科既重視基礎數學的理論探索，又立足農業特色和優勢開展應用型研究，近些年尤其致力於解決智慧農業中的關鍵問題。在學校和學院的大力支持下，中國農業大學理學院數學係將堅持繼承和發揚數學科學研究的農業特色，秉承著“服務於農”的理念，將理論與實踐水平推向更高的層次。