|
|||||
|
|
| 一种基于跨领域典型相关性分析的迁移学习方法 | |
| 引用本文： | 张博,史忠植,赵晓非,张建华.一种基于跨领域典型相关性分析的迁移学习方法[J].计算机学报,2015(7). |
| 作者姓名： | 张博 史忠植 赵晓非 张建华 |
| 作者单位： | 1. 中国科学院计算技术研究所智能信息处理重点实验室 北京 100190; 中国矿业大学计算机科学与技术学院 江苏 徐州 221116; 中国科学院大学 北京 100049 2. 中国科学院计算技术研究所智能信息处理重点实验室 北京 100190 3. 中国科学院计算技术研究所智能信息处理重点实验室 北京 100190; 中国科学院大学 北京 100049 |
| 基金项目： | 国家“九七三”重点基础研究发展规划项目基金，国家自然科学基金，国家“八六三”高技术研究发展计划项目基金，国家科技支撑计划课题，中国信息安全测评中心(CNITSEC-KY-2012-006／1)资助．One of the major challenges in developing transfer methods is to produce positive transfer between appropriately related tasks while avoiding negative transfer between tasks that are less related． Canonical Correlation Analysis (CCA ) is a |
| 摘 要： | 作为迁移学习的一个重要研究方向，基于特征映射的方法学习各领域特有特征与领域共享特征之间的相关性，通过一些相关特征减少领域之间的差异，已经获得了广泛的关注和研究。典型相关性分析是一种用来分析两组随机变量之间相关性的统计分析工具。将典型相关性分析引入迁移学习，结合基于特征映射迁移学习的思路，提出了一种跨领域典型相关性分析算法。该算法在保持各领域特有特征与领域共享特征相关性的基础上，通过选择合适的基向量组合训练分类器，使降维后的相关特征在领域间具有相似的判别性。在20Newsgroups 上864个分类问题以及多领域情感分析数据集上12个分类问题的实验结果表明，跨领域典型相关性分析算法可以有效地提高跨领域迁移分类准确率。 |
| 关 键 词： | 迁移学习 典型相关性分析 跨领域分类学习 领域自适应 |
A Transfer Learning Based on Canonical Correlation Analysis Across Different Domains |
|
| ZHANG Bo,SHI Zhong-Zhi,ZHAO Xiao-Fei,ZHANG Jian-Hua.A Transfer Learning Based on Canonical Correlation Analysis Across Different Domains[J].Chinese Journal of Computers,2015(7). | |
| Authors: | ZHANG Bo SHI Zhong-Zhi ZHAO Xiao-Fei ZHANG Jian-Hua |
| Abstract: | |
| Keywords: | transfer learning canonical correlation analysis cross-domain classification learning domain adaptation |
| 本文献已被 万方数据 等数据库收录！ | |