基于相似度学习的多源迁移算法
来源期刊:控制与决策2017年第11期
论文作者:卞则康 王士同
文章页码:1941 - 1948
关键词:相似度学习;多源域;迁移学习;SVM;迁移分类;
摘 要:针对与测试数据分布相同的训练数据不足,相关领域中存在大量的、与测试数据分布相近的训练数据的场景,提出一种基于相似度学习的多源迁移学习算法(SL-MSTL).该算法在经典SVM分类模型的基础上提出一种新的迁移分类模型,增加对多源域与目标域之间的相似度学习,可以有效地利用各源域中的有用信息,提高目标域的分类效果.实验的结果表明了SL-MSTL算法的有效性和实用性.
卞则康,王士同
江南大学数字媒体学院
摘 要:针对与测试数据分布相同的训练数据不足,相关领域中存在大量的、与测试数据分布相近的训练数据的场景,提出一种基于相似度学习的多源迁移学习算法(SL-MSTL).该算法在经典SVM分类模型的基础上提出一种新的迁移分类模型,增加对多源域与目标域之间的相似度学习,可以有效地利用各源域中的有用信息,提高目标域的分类效果.实验的结果表明了SL-MSTL算法的有效性和实用性.
关键词:相似度学习;多源域;迁移学习;SVM;迁移分类;