基于SVC和SVR约束组合的迁移学习分类算法
根据迁移学习思想,针对分类问题,以支持向量机(SVM)模型为基础提出一种新的迁移学习分类算法CC-TSVM.该方法以邻域间的分类超平面为纽带实现源域对目标域的迁移学习.具体地,以支持向量分类的约束条件完成对目标域数据的学习,获取分类超平面参数,再以支持向量回归的约束条件有效利用源域数据矫正目标域超平面参数,并在上述组合约束的共同作用下实现邻域间迁移,提高分类器性能.在人工和真实数据集上的实验表明,所提出算法具有良好的迁移能力和优越的分类性能.
支持向量机、支持向量分类、支持向量回归、迁移学习
TP391.4(计算技术、计算机技术)
国家自然科学基金项目61272210
2014-06-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
1021-1026