选择性直推式迁移学习

作     者：沈杰 刘解放 杭文龙 梁爽 SHEN Jie LIU Jie-fang HANG Wen-long LIANG Shuang

作者机构：盐城工学院现代教育技术中心江苏盐城224051 江南大学数字媒体学院江苏无锡214122 中国科学院深圳先进技术研究院广东省机器视觉与虚拟现实技术重点实验室广东深圳518055 

基　　金：国家自然科学基金青年基金项目(61305097) 国家国际科技合作专项基金项目(2013DFG12900) 广东省机器人与智能系统重点实验室提升基金项目(ZDSYS20140509174140672) 深圳市基础研究学科布局基金项目(JCYJ20150925163244742) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2017年第38卷第8期

页      码：2256-2261页

摘      要：针对现有迁移学习中源域和目标域具有分布不一致数据的问题,通过采用一种选择性最大均值偏差度量方法,将源域中部分相关数据子集用于构建迁移知识,提出选择性的直推式迁移学习方法 (selective transductive transfer learning,STTL)。选出与目标域分布相似的数据用于迁移学习,避免使用不相关源域数据带来的负迁移效应,实现标签数据不足情况下目标域数据的有效建模。实验结果表明,所提方法在模拟和真实数据集上的实验精度优于其它方法。

主 题 词：迁移学习 最大均值偏差 选择性最大均值偏差度 核方法 直推式迁移学习 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.16208s/j.issn1000-7024.2017.08.049

馆 藏 号：203255236...