TA的每日心情 | 慵懒
2020-8-28 15:16 |
|---|
签到天数: 3 天 [LV.2]偶尔看看I
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要： 多源迁移学习提取了多个相似领域之间有用信息，提高了学习效率，但存在计算核矩阵的空间和时间 复杂度较高的问题．提出了一种多源迁移学习方法，该方法基于结构风险最小框架理论，以共同决策方向矢量为基准， 将多个相似领域的决策方向矢量嵌入到支持向量机的训练过程中，提高了目标领域分类器的分类性能．并结合核心向 量机理论提出了共同决策方向矢量核心向量机，实现对大样本数据集的快速分类学习．模拟和真实数据集实验表明了 所提算法的有效性． & X/ i4 n( [/ b
6 e* t; M$ }- G8 @# ]# P' l
关键词： 共同决策矢量；多源迁移学习；分类；核心集向量机
; X! q9 Q1 |: M9 j) N+ S: Y) X" E/ M6 b3 [6 U+ N5 S
) [: j b. S$ W6 V# }
9 s* d, t* v9 P8 S) P4 }
多源迁移学习是在迁移学习的基础上提出的一种 适用性更广的学习框架，其强调在多个相似但存在一定 差别的领域、任务和分布之间进行知识迁移，从而实现 提高目标领域分类器泛化性能的目的．多源迁移学习继 承了迁移学习的灵活性，同时兼顾了多任务学习的适应 性，已经成为近几年机器学习领域的研究热点．
/ B5 s3 o: e3 [- {! ]" X3 V" |
, y# t3 B- T1 H7 e, y: N, {
. J7 d# [) E7 e0 [: B
1 S0 p' [3 z1 c% d% h' _6 R- c" @3 G' ~0 C% w; m/ f% P
附件下载：4 g j4 T! d) C7 w% j+ B# P6 s
|
|
/1 
发表于 2021-3-18 10:45
收藏
淘帖
支持！
反对！