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．  

' R+ y9 `9 ~$ Q2 q* v$ d; ~关键词： 共同决策矢量；多源迁移学习；分类；核心集向量机
+ m- K) F0 L$ |


- _! J" P. y  S/ c$ j     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．  

" u4 p( }2 e- V7 ~1 O3 i2 T


附件下载：

游客，如果您要查看本帖隐藏内容请回复

3 H6 s8 w0 }0 ]- M& |" F

谢谢侬

核心集向量机