基于数据分布自适应的迁移学习算法比较研究

• 作者: 和泽 郭辉
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 迁移学习 数据分布自适应 算法比较 数据集
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 计算机软件与理论
• 页码范围: 80-83
• 页数: 4页
• 分类号: TP301
• 字数: 3313字
• 语种: 中文
• DOI: 10.11907/rjdk.192292

摘要

机器学习通常要求训练数据和测试数据来源于同一特征空间并服从相同的分布,如果条件不满足,则需就要重新收集训练数据并重新训练模型.迁移学习作为解决这一问题的有效方法,其中基于数据分布的自适应迁移学习已成为该领域主要的研究方向之一.为比较已有数据分布自适应迁移学习算法性能,在 3种公开数据集 Image-CLEF、Amazon Review、Office-Caltech上通过 TCA、JDA、CORAL、GFK、BDA、EasyTL算法验证6种算法的有效性,并分析比较它们之间的性能差异.结果表明,6种迁移学习算法在 Image-CLEF、Amazon Review、Office-Caltech数据集上迁移效果依次降低,EasyTL算法在3种数据集上表现良好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭辉	宁夏大学信息工程学院	13	7	2.0	2.0
2	和泽	宁夏大学信息工程学院	1	0	0.0	0.0