迁移极限学习机及其在域自适应问题的应用

• 作者: 宋士吉 陈一鸣
• 来源期刊: 中国科技论文
• 学科: 工学
• 关键词: 模式识别 数据挖掘 域自适应 极限学习机
• 年，卷（期）: 2017,（14）
• 页码范围: 1565-1569,1609
• 页数: 6页
• 分类号: TP181
• 字数: 5230字
• 语种: 中文

摘要

基于极限学习机理论,提出1种针对域迁移问题的改进型极限学习机算法(domain transfer extreme learning machine,DTELM),在减小源域S和目标域T的分布距离的同时,利用自编码器原理,尽可能多地保留目标域的原始数据结构,使其数据可分性不受破坏,从而能够有效地解决域自适应的数据分类问题.通过在真实数据集上的实验,将所提算法与已有的域自适应算法比较,验证了其有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋士吉	清华大学自动化系	30	368	8.0	19.0
2	陈一鸣	清华大学自动化系	3	5	2.0	2.0