基于平衡概率分布和实例的迁移学习算法

• 作者: 曾庆山 黄露
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 迁移学习 平衡分布 类不平衡 实例更新 领域自适应
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 55-61
• 页数: 7页
• 分类号: TP3
• 字数: 4958字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2019439

摘要

在联合匹配边缘概率和条件概率分布以减小源域与目标域的差异性时,存在由类不平衡导致模型泛化性能差的问题,从而提出了基于平衡概率分布和实例的迁移学习算法.通过基于核的主成分分析方法将特征数据映射到低维子空间,在子空间中对源域与目标域的边缘分布和条件分布进行联合适配,利用平衡因子动态调节每个分布的重要性,采用加权条件概率分布自适应地改变每个类的权重,同时融合实例更新策略,进一步提升模型的泛化性能.在字符和对象识别数据集上进行了多组对比实验,表明该算法有效地提高了图像分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曾庆山	郑州大学电气工程学院	36	155	8.0	11.0
2	黄露	郑州大学电气工程学院	1	0	0.0	0.0