高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种新的面向迁移学习的L2核分类器

许敏 王士同 史荧中

许敏, 王士同, 史荧中. 一种新的面向迁移学习的L2核分类器[J]. 电子与信息学报, 2013, 35(9): 2059-2065. doi: 10.3724/SP.J.1146.2012.01647
引用本文: 许敏, 王士同, 史荧中. 一种新的面向迁移学习的L2核分类器[J]. 电子与信息学报, 2013, 35(9): 2059-2065. doi: 10.3724/SP.J.1146.2012.01647
Xu Min, Wang Shi-Tong, Shi Ying-Zhong. A Novel Transfer-learning-oriented L2 Kernel Classifier[J]. Journal of Electronics & Information Technology, 2013, 35(9): 2059-2065. doi: 10.3724/SP.J.1146.2012.01647
Citation: Xu Min, Wang Shi-Tong, Shi Ying-Zhong. A Novel Transfer-learning-oriented L2 Kernel Classifier[J]. Journal of Electronics & Information Technology, 2013, 35(9): 2059-2065. doi: 10.3724/SP.J.1146.2012.01647

一种新的面向迁移学习的L2核分类器

doi: 10.3724/SP.J.1146.2012.01647
基金项目: 

国家自然科学基金(61272210, 61170122)和江苏省研究生创新工程项目(CXZZ12-0759)资助课题

A Novel Transfer-learning-oriented L2 Kernel Classifier

  • 摘要: 基于密度差(Difference Of Density, DOD)思想,L2核分类器算法具有良好的分类性能及稀疏性,然而其训练域与测试域独立同分布的假设限制了其应用范围。针对此不足,该文提出一种新的面向迁移学习的L2核分类器(Transfer Learning-L2 Kernel Classification, TL-L2KC),该方法既保持了L2核分类器算法良好的分类性能,又能处理数据集缓慢变化及训练集在特定约束条件下获得导致训练集和未来测试集分布不一致的问题。基于人造数据集和UCI真实数据集的实验表明,该文提出的TL-L2KC算法较之于经典的迁移学习分类方法,具有相当的、甚至更好的性能。
  • 加载中
计量
  • 文章访问数:  2336
  • HTML全文浏览量:  94
  • PDF下载量:  899
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-12-18
  • 修回日期:  2013-03-15
  • 刊出日期:  2013-09-19

目录

    /

    返回文章
    返回