基于DLSR的归纳式迁移学习

作     者：姜志彬 潘兴广 周洁 张远鹏 王士同 JIANG Zhi-bin;PAN Xing-guang;ZHOU Jie;ZHANG Yuan-peng;WANG Shi-tong

作者机构：江南大学人工智能与计算机学院江苏无锡214122 江南大学江苏省媒体设计与软件技术重点实验室江苏无锡214122 南通大学医学信息学系江苏南通226019 

基　　金：国家自然科学基金项目(61772198 61772239 81701793) 

出 版 物：《控制与决策》 (Control and Decision)

年 卷 期：2021年第36卷第12期

页      码：2982-2990页

摘      要：传统机器学习方法的有效性依赖于大量的有效训练数据,而这难以满足,因此迁移学习被广泛研究并成为近年来的研究热门.针对由于训练数据严重不足导致多分类场景下分类性能降低的挑战,提出一种基于DLSR(discriminative least squares regressions)的归纳式迁移学习方法(TDLSR).该方法从归纳式迁移学习出发,通过知识杠杆机制,将源域知识迁移到目标域并同目标域数据同时进行模型学习,在提升分类性能的同时保证源域数据的安全性.TDLSR继承了DLSR在多分类任务中扩大类别间间隔的优势,为DLSR注入了迁移能力以适应数据不足的挑战,更加适用于复杂的多分类任务.通过在12个真实UCI数据集上进行实验,验证了所提出方法的有效性.

主 题 词：多分类 DLSR 归纳式迁移学习 知识杠杆机制 安全性 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13195/j.kzyjc.2020.0703

馆 藏 号：203106065...