适用于不确定类标签数据学习的迁移支持向量机
来源期刊:控制与决策2014年第10期
论文作者:倪彤光 王士同
文章页码:1751 - 1757
关键词:迁移学习;分类;支持向量机;共享数据;不确定数据;
摘 要:为了解决包含不确定信息的分类学习问题,提出一种新的适用于不确定类标签数据的迁移支持向量机.该方法基于结构风险最小化模型,同时将源领域中所学知识、领域间的共享数据、目标领域中已标定的和不确定的数据纳入学习框架中,进而实现了源领域和目标领域的知识迁移.在多种真实数据集上的实验结果表明了所提出方法的有效性.
倪彤光1,2,王士同1
1. 江南大学数字媒体学院2. 常州大学信息科学与工程学院
摘 要:为了解决包含不确定信息的分类学习问题,提出一种新的适用于不确定类标签数据的迁移支持向量机.该方法基于结构风险最小化模型,同时将源领域中所学知识、领域间的共享数据、目标领域中已标定的和不确定的数据纳入学习框架中,进而实现了源领域和目标领域的知识迁移.在多种真实数据集上的实验结果表明了所提出方法的有效性.
关键词:迁移学习;分类;支持向量机;共享数据;不确定数据;