基于数据分类的领域自适应新算法

• 作者: 王士同 顾鑫
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 支持向量机 领域自适应 最小包含球 中心约束型最小包含球
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 275-285
• 页数: 11页
• 分类号: TP391.4
• 字数: 7515字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2014.02.015

摘要

一般的机器学习都假设训练数据与测试数据分布相同,而领域自适应算法则是在不同数据分布条件下进行知识传递和学习,在数据挖掘、数据校正、数据预测等领域有着广泛的应用.支持向量机SVM的主要思想是针对二分类问题,在高维空间寻找一个最优分类超平面,以保证最小的分类错误率.CCMEB理论由Tsang I提出的,是一种改进了核向量机CVM的最小包含球算法,在大样本数据集处理上有着较快的速度.而CCMEB理论同样适用于二分类的SVM数据集.将SVM理论、CCMEB理论与概率分布理论相结合,提出了一种全新的基于数据分类的领域自适应算法CCMEB-SVMDA,该算法通过计算各自分类数据组的包含球球心,能够有效地对不同领域数据进行整体校正和相似度识别,具有较好的便捷性和自适应性.在UCI数据、文本分类等数据上对该算法进行了验证,取得了较好的效果.

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	江南大学数字媒体学院	528	3424	23.0	37.0
2	顾鑫	江南大学数字媒体学院	13	236	8.0	13.0