安全迁移支持向量机

• 作者: 周国华 巢海鲸 申燕萍
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 迁移学习 支持向量机 分类
• 年，卷（期）: 2017,（z2）
• 所属期刊栏目: 信息安全
• 页码范围: 381-384,417
• 页数: 5页
• 分类号: TP391.4
• 字数: 5167字
• 语种: 中文

摘要

迁移学习方法是一种新的机器学习框架,它将源领域数据通过学习迁移到相似的目标领域中,减弱了对已标记数据的依赖.但迁移学习方法中一个重大问题是使用目标领域数据与源领域数据得到的分类器很可能比仅利用目标领域数据得到的分类器的效果更差,从而造成一种“负迁移”现象.针对此问题,提出一种基于目标领域已标记数据知识的安全控制机制,并通过结合近年出现的一种迁移学习分类器(TL-SVM)提出了一种安全迁移支持向量机(SATL-SVM),从理论上解决了TL-SVM的负迁移问题,在人工数据集和真实数据集上的实验结果表明了所提方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周国华	常州轻工职业技术学院信息工程系	16	9	2.0	2.0
2	申燕萍	常州轻工职业技术学院信息工程系	9	15	2.0	3.0
3	巢海鲸	常州轻工职业技术学院信息工程系	11	8	2.0	2.0