面向共享数据的迁移组概率学习机

摘要：

为了解决机器学习中的主观信息缺失问题，提出一种新的面向共享数据的迁移组概率学习机(TGPLM-CD)。该方法基于结构风险最小化模型，将源领域所含知识和目标领域的类标签组概率信息，特别是领域间的共享数据纳入学习框架中，实现了源领域和目标领域的知识迁移，在待研究领域数据信息不足的情况下提高了分类精确度。大量数据集上的实验结果验证了所提出方法的有效性。

关键词：迁移学习、分类、支持向量机、共享数据

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金项目61272210,61170122；江苏省自然科学基金项目BK2012552

在线出版日期：2014-08-19（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：1363-1371