基于SVC和SVR约束组合的迁移学习分类算法

被引：5

作者：

毕安琪

王士同

机构：

[1] 江南大学数字媒体学院

来源：

控制与决策 | 2014年 / 06期

关键词：

支持向量机; 支持向量分类; 支持向量回归; 迁移学习;

D O I：

10.13195/j.kzyjc.2013.0520

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

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CCTSVM.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.

引用

页码：1021 / 1026

页数：6