10.3969/j.issn.1000-3428.2012.08.057
迁移学习数据分类中的ESVM算法
在迁移学习中对变化后的数据集进行分类时,噪音导致分类结果不合理.为此,提出一种迁移学习数据分类中的扩展支持向量机(ESVM)算法.使用变化前数据集的概率分布信息及学习经验,指导缓慢变化后的数据集进行分类,使分割面既可以准确分割现有数据集,同时也保留原先数据集的一些属性.实验结果表明,该算法具有一定的抗噪性能.
迁移学习、分类、支持向量机、继承经验、抗噪性能
38
TP18(自动化基础理论)
2012-06-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
173-176