面向共享数据的迁移组概率学习机

被引:1
作者
倪彤光 [1 ,2 ]
王士同 [1 ]
史荧中 [1 ]
张景祥 [1 ]
机构
[1] 江南大学数字媒体学院
[2] 常州大学信息科学与工程学院
关键词
迁移学习; 分类; 支持向量机; 共享数据;
D O I
10.13195/j.kzyjc.2013.0376
中图分类号
TP181 [自动推理、机器学习];
学科分类号
140502 [人工智能];
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.
引用
收藏
页码:1363 / 1371
页数:9
相关论文
共 5 条
[1]
数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,
[2]
ML型迁移学习模糊系统.[J].蒋亦樟;邓赵红;王士同;.自动化学报.2012, 09
[3]
隐私保护的SVM快速分类方法 [J].
胡文军 ;
王士同 .
电子学报, 2012, 40 (02) :280-286
[4]
TrSVM:一种基于领域相似性的迁移学习算法 [J].
洪佳明 ;
印鉴 ;
黄云 ;
刘玉葆 ;
王甲海 .
计算机研究与发展, 2011, (10) :1823-1830
[5]
具有隐私保护功能的协作式分类机制 [J].
张战成 ;
王士同 ;
钟富礼 .
计算机研究与发展, 2011, (06) :1018-1028