基于平移不变核的异构迁移学习

• 作者: 关增达 朱廷劭 程立
• 来源期刊: 中国科学院大学学报
• 学科: 工学
• 关键词: 异构迁移学习 平移不变核 RKHS
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 计算机科学
• 页码范围: 121-126
• 分类号: TP301
• 语种: 中文
• DOI: 10.7523/j.issn.2095-6134.2015.01.020

摘要

提出一种新的异构迁移学习方法.利用与目标数据集相关的异构特征数据集.通过把目标集和异构集的数据使用平移不变核(欧式距离核和径向基函数核),映射到一个新的再生核希尔伯特空间上.在新空间中2个数据集的特征相同,特征维度相等,分布接近,且保持数据的拓扑性质不变.实验证明,该方法特别是基于欧式距离核的方法取得了较好的效果,在目标训练集的标注数据较少时,有大于5％甚至超过10％的精度提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱廷劭	中国科学院心理研究所	45	122	7.0	9.0
2	关增达	中国科学院大学计算机与控制学院	1	0	0.0	0.0