面向共享数据的迁移组概率学习机
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。
迁移学习、分类、支持向量机、共享数据
TP391(计算技术、计算机技术)
国家自然科学基金项目61272210,61170122;江苏省自然科学基金项目BK2012552
2014-08-19(万方平台首次上网日期,不代表论文的发表时间)
共9页
1363-1371