基于共同决策方向矢量的多源迁移 及其快速学习方法

fordies1

摘 要： 多源迁移学习提取了多个相似领域之间有用信息，提高了学习效率，但存在计算核矩阵的空间和时间 复杂度较高的问题．提出了一种多源迁移学习方法，该方法基于结构风险最小框架理论，以共同决策方向矢量为基准， 将多个相似领域的决策方向矢量嵌入到支持向量机的训练过程中，提高了目标领域分类器的分类性能．并结合核心向 量机理论提出了共同决策方向矢量核心向量机，实现对大样本数据集的快速分类学习．模拟和真实数据集实验表明了 所提算法的有效性．  
5 C3 c) V& Q' ]
" @( |# _; |. N* }关键词： 共同决策矢量；多源迁移学习；分类；核心集向量机

6 K% `# R9 M4 j  E8 w8 e8 M

( D6 Z" \& u( t  y$ z! E1 p. G6 e     多源迁移学习是在迁移学习的基础上提出的一种 适用性更广的学习框架，其强调在多个相似但存在一定 差别的领域、任务和分布之间进行知识迁移，从而实现 提高目标领域分类器泛化性能的目的．多源迁移学习继 承了迁移学习的灵活性，同时兼顾了多任务学习的适应 性，已经成为近几年机器学习领域的研究热点．  
8 V/ i6 T8 B2 A7 }; S

0 L  z/ F) }# R( q) c* z
1 h& ?# ?. P* X1 `9 I
& l5 G8 q6 V  F7 L' q- k附件下载：

游客，如果您要查看本帖隐藏内容请回复

谢谢侬

核心集向量机