基于域相关性与流形约束的多源域迁移学习分类算法

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：针对传统机器学习要求训练样本和测试样本具有相同分布的假设在实际应用中难以满足的问题，进行了迁移学习的研究。当源域与目标域的相关性较小时，粗暴式地强制性迁移不仅不能促进目标域学习，甚至会降低学习性能，即出现“负迁移”问题。为此，提出了一种基于多重相似性的多源域迁移学习方法。该方法首先从“域-域”和“样本-域”两个层面来更加准确地衡量目标域与多个源域的相关性，然后根据目标域分类器与相关源域分类器对目标域无标记样本具有相似决策值的平滑性流形假设，实现源域知识向目标域迁移的目的。在公共数据集上的实验结果表明所提出的迁移学习方法不仅能够从多个不同源域中挖掘更多的知识用于目标域学习，而且能够根据域间相似性有选择地进行迁移，可以有效地避免“负迁移”问题。

原文链接:http://www.cqvip.com//QK/93231X/201702/671086249.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：分类算法 相关性 cqvip 学习方法 交流学习 迁移学习 多源域迁移 域相似性 流形假设