基于Kullback-Leiber距离的迁移仿射聚类算法

摘要：

针对迁移聚类问题，该文提出一种新的基于Kullback-Leiber距离的迁移仿射聚类算法(TAP_KL)。该算法从概率角度重新解释AP算法的目标函数，并借助于信息论中最常见的一种距离度量，即Kullback-Leiber距离，测量源域与目标域代表点的相似性。另外，通过详细分析TAP_KL算法与AP算法的目标函数，得出一个重要结论，即可以将源域与目标域的相似性嵌入到目标域数据集相似性矩阵的计算中，从而直接利用AP算法的优化算法优化TAP_KL算法的目标函数，解决基于代表点的迁移聚类问题。最后，通过基于4个数据集的仿真实验，进一步验证了TAP_KL算法在解决迁移聚类问题时的有效性。

关键词：仿射聚类算法、迁移学习、人脸数据集、概率框架、KL距离

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61170122,61272210;江苏省2014年度普通高校研究生科研创新计划项目KYLX_1124;山东省高等学校科技计划项目J14LN05 Foundation Items:The National Natural Science Foundation of China61170122,71272210;Jiangsu Graduate Student Innovation ProjectsKYLX_1124;The Science and Technology Program Shandong Provinceial Higher EducationJ14LN05

在线出版日期：2016-08-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2076-2084