迁移学习数据分类中的ESVM算法

摘要：

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.

关键词：迁移学习、分类、支持向量机、继承经验、抗噪性能

所属期刊栏目：38

分类号：TP18(自动化基础理论)

在线出版日期：2012-06-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：173-176