基于极限学习机参数迁移的域适应算法

• 作者: 慕晓冬 柴栋 罗畅 许夙晖
• 来源期刊: 自动化学报
• 关键词: 域适应 迁移学习 极限学习机 正则化 中层语义特征 深度特征
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 311-317
• 页数: 7页
• 字数: 5028字
• 语种: 中文
• DOI: 10.16383/j.aas.2018.c160818

摘要

针对含少量标签样本的迁移学习问题,本文提出了基于极限学习机(Extreme learning machine,ELM)参数迁移的域适应算法,其核心思想是将目标域的ELM分类器参数投影到源域参数空间中,使其最大限度地与源域的分类器参数分布相同.此外,考虑到迁移中有可能带来负迁移的情况,在目标函数中引入正则项约束.本文算法与以往的域适应算法相比优势在于,其分类器参数以及转移矩阵是同时优化得到的,并且其目标函数求解过程相对简单.实验结果表明,与主流的域适应算法相比,本文算法在精度与效率上都表现出明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗畅	空军工程大学防空反导学院	19	80	6.0	7.0
2	慕晓冬	火箭军工程大学信息工程系	18	104	5.0	10.0
3	许夙晖	火箭军工程大学信息工程系	4	80	4.0	4.0
4	柴栋		2	17	2.0	2.0