基于平移不变核的异构迁移学习 |
| |
引用本文: | 关增达,程立,朱廷劭.基于平移不变核的异构迁移学习[J].中国科学院研究生院学报,2015(1):121-126. |
| |
作者姓名: | 关增达 程立 朱廷劭 |
| |
作者单位: | 中国科学院大学计算机与控制学院;新加坡科技研究局生物信息研究所;新加坡国立大学计算机学院;中国科学院心理研究所 |
| |
摘 要: | 提出一种新的异构迁移学习方法.利用与目标数据集相关的异构特征数据集.通过把目标集和异构集的数据使用平移不变核(欧式距离核和径向基函数核),映射到一个新的再生核希尔伯特空间上.在新空间中2个数据集的特征相同,特征维度相等,分布接近,且保持数据的拓扑性质不变.实验证明,该方法特别是基于欧式距离核的方法取得了较好的效果,在目标训练集的标注数据较少时,有大于5%甚至超过10%的精度提高.
|
关 键 词: | 异构迁移学习 平移不变核 RKHS |
本文献已被 CNKI 等数据库收录! |
|