基于SDA与SVR混合模型的迁移学习预测算法

摘要：

为了解决大数据时代下小样本数据预测精度不高的问题,提出一种基于堆栈降噪自编码(SDA)与支持向量回归机(SVR)的混合模型.该方法采用源域大样本数据对堆栈降噪自编码和支持向量回归机混合模型进行迁移预训练,再利用目标域小样本数据微调混合模型.堆栈降噪自编码器具有良好的通用深层特征自主抽取能力,能够发掘源领域与目标领域相似任务间的共有特征知识,该知识能够辅助支持向量回归机在高维噪声小样本数据集上的预测.在多种数据集上的实验结果证明了该方法的有效性.

关键词：迁移学习、特征提取、堆栈降噪自编码

所属期刊栏目：45

分类号：TP181(自动化基础理论)

资助基金：军民共用重大研究计划联合基金项目U1435218;国家自然科学基金项目61374179

在线出版日期：2018-04-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：280-284,312