摘要:传统迁移学习方法通常直接利用相关领域中的数据来辅助完成当前领域的学习任务,而忽略了领域间互相学习的能力.针对此类问题,提出了一种具有协同约束的共生迁移学习方法(Collaborative Constraints based Symbiosis Transfer Learning,CCSTL).在协同约束的基础上,引入共生迁移机制实现领域间的交替互动学习,进而实现源领域和目标领域间的知识迁移,从而提高受训分类器的分类性能.在模拟数据和真实数据集上的实验结果表明了新算法的有效性.
关键词:协同约束 共生迁移学习 分类 支持向量机
单位:江南大学数字媒体学院; 江苏无锡214122; 江南大学理学院; 江苏无锡214122
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社