首页 | 本学科首页   官方微博 | 高级检索  
     

TrSVM:一种基于领域相似性的迁移学习算法
引用本文:洪佳明,印鉴,黄云,刘玉葆,王甲海.TrSVM:一种基于领域相似性的迁移学习算法[J].计算机研究与发展,2011,48(10).
作者姓名:洪佳明  印鉴  黄云  刘玉葆  王甲海
作者单位:中山大学信息科学与技术学院 广州510006
基金项目:国家自然科学基金项目(61033010,61070005); 国家科技计划基金项目(2008ZX1005-013); 广东科技计划基金项目(2009A080207005,2009B090300450,2010A040303004)
摘    要:迁移学习是对传统监督学习的扩展,试图利用其他相关领域中的现存数据来帮助完成当前领域的学习任务.对于归纳式迁移学习算法,当目标领域只有少量数据时,已有的算法容易受到选择性偏差的影响,不能充分发挥相关领域数据的作用.为解决该问题,提出一种利用领域相似性的新途径:通过定义领域弱相似性的概念,将相似性的约束与目标分类器联系起来,能在训练过程中有效利用相关领域的大量数据,设计出一种基于支持向量机的迁移学习算法TrSVM,并给出求解过程.在大量数据集上的实验结果表明了新算法的有效性.

关 键 词:迁移学习  跨领域学习  分类  支持向量机  领域相似性  

TrSVM:A Transfer Learning Algorithm Using Domain Similarity
Hong Jiaming,Yin Jian,Huang Yun,Liu Yubao,Wang Jiahai.TrSVM:A Transfer Learning Algorithm Using Domain Similarity[J].Journal of Computer Research and Development,2011,48(10).
Authors:Hong Jiaming  Yin Jian  Huang Yun  Liu Yubao  Wang Jiahai
Affiliation:Hong Jiaming,Yin Jian,Huang Yun,Liu Yubao,and Wang Jiahai(School of Information Science and Technology,Sun Yat-sen University,Guangzhou 510006)
Abstract:Transfer learning algorithms focus on reusing related domain data to help solving learning tasks in the target domain.In this paper,we study the problem of inductive transfer learning.Most of the existing algorithms in inductive transfer learning might suffer from the problem of sample selection bias when the number of target domain data is too small.To address this problem,we propose to utilize domain similarity in a new approach.Through detailed discussion about the similarity of related domains,we define...
Keywords:transfer learning  cross-domain learning  classification  SVM  domain similarity  
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号