报告人：彭江涛(湖北大学)

报告题目：Ideal regularized kernel subspace alignment for domain adaptation in hyperspectral image classification

报告摘要：In this report, we proposes a novel unsupervised domain adaption (DA) method called ideal regularized kernel subspace alignment (IRKSA) for hyperspectral image (HSI) classification. It first uses nonlinear projection to map the original source and target data into kernel space, then incorporates source labels into the source and target kernels by the ideal regularization strategy. In the next, the subspace alignment method is performed on the ideal regularized kernels to diminish the difference between source and target kernels. Finally, a classifier built on the source kernelized subspace data can be used to predict the target data. The proposed IRKSA method exploites both the sample similarity and label similarity and makes the resulting kernel more appropriate for DA tasks. Experimental results show that the performance of IRKSA is better than some classical unsupervised DA methods for the HSI classification.

报告人简介：彭江涛，湖北大学数学与统计学学院副教授。2011年7月获中国科学院自动化研究所工学博士学位。2013年8月至2014年7月应邀访问澳门大学，2017年9月至2018年9月公派出国访问密西西比州立大学。多次参加国际国内学术会议。自2008年开始从事模式识别和遥感图像处理相关的研究工作，在高光谱图像的特征提取和分类等方面进行了较为深入的研究，在遥感图像处理领域权威期刊IEEE TGRS, IEEE TNNLS, IEEE JSTARS, IEEE GRSL 等期刊发表SCI论文20余篇；主持国家自然科学基金项目2项、湖北省自然科学基金1项。担任SCI期刊Remote Sensing、Applied Sciences的客座编辑（Guest Editor）。
报告时间：2019年4月4日（星期四）上午10:30-11:30

报告地点：科技楼南楼602室