多核局部领域适应学习

• 作者: 王士同 陶剑文
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 领域适应学习 多核学习 局部学习 模式分类 最大均值差
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 2297-2310
• 页数: 14页
• 分类号: TP181
• 字数: 12006字
• 语种: 中文
• DOI: 10.3724/SP.J.1001.2012.04240

摘要

领域适应(或跨领域)学习旨在利用源领域(或辅助领域)中带标签样本来学习一种鲁棒的目标分类器,其关键问题在于如何最大化地减小领域间的分布差异.为了有效解决领域间特征分布的变化问题,提出一种三段式多核局部领域适应学习(multiple kernel local leaning-based domain adaptation,简称MKLDA)方法:1)基于最大均值差(maximum mean discrepancy,简称MMD)度量准则和结构风险最小化模型,同时,学习一个再生多核Hilbert空间和一个初始的支持向量机(support vector machine,简称SVM),对目标领域数据进行初始划分；2)在习得的多核Hilbert空间,对目标领域数据的类别信息进行局部重构学习；3)最后,利用学习获得的类别信息,在目标领域训练学习一个鲁棒的目标分类器.实验结果显示,所提方法具有优化或可比较的领域适应学习性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王士同	江南大学信息工程学院	528	3424	23.0	37.0
3	陶剑文	江南大学信息工程学院	48	354	10.0	16.0