de toute l'information cible disponible et a fortiori d'étiquettes cibles Avec cette idée, nous avons proposé une généralisation de DASF) au cadre de l'AD semi-supervisée, permettant de considérer l'ensemble des données étiquetées disponibles. Comme DASF, notre méthode - SSDASF -est capable d'inférer des modèles parcimonieux même lorsque la tâche d'AD est difficile. Nous avons, de plus, prouvé que notre programme linéaire est pseudo-robuste, ce qui nous a permis d'étudier la capacité en généralisation de notre méthode en la liant aux termes de régularisation. Notre étude théorique a été confirmée empiriquement lors des expériences réalisées, 2011. ,
Image and video indexing using networks of operators, Journal on Image and Video Processing, 2007. ,
Improved guarantees for learning via similarity functions, Proceedings of COLT. CAp, 2008. ,
Impossibility theorems for domain adaptation, 2010. ,
Exploiting weakly-labeled web images to improve object classification: a domain adaptation approach, Proceedings of NIPS, 2010. ,
Domain adaptation with coupled subspaces, Proceedings of AISTATS, 2011. ,
Frustratingly easy domain adaptation Co-regularization based semisupervised domain adaptation, Proceedings of ACL. Proceedings of NIPS, 2007. ,
The PASCAL visual object classes challenge, 2007. ,
Correcting sample selection bias by unlabeled data, Proceedings of NIPS, 2006. ,
Instance weighting for domain adaptation in nlp, Proceedings of ACL, 2007. ,
Domain adaptation: Learning bounds and algorithms, Proceedings of COLT, 2009. ,
Sparse domain adaptation in projection spaces based on good similarity functions, Proceedings of ICDM, 2011. ,
Parsimonious unsupervised and semi-supervised domain adaptation with good similarity functions, Knowledge and Information Systems, 2012. ,
A survey on transfer learning Dataset Shift in Machine Learning, 2009. ,
High-Level Feature Detection from Video in TRECVid: a 5-Year Retrospective of Achievements, Multimedia Content Analysis, Theory and Applications, 2009. ,
Direct importance estimation with model selection and its application to covariate shift adaptation, Proceedings of NIPS, 2007. ,
Robustness and generalization, Machine Learning Journal, vol.86, issue.3, pp.391-423, 2012. ,