一种基于局部分类精度的多源在线迁移学习算法

发布时间：2018-03-18 01:08

  本文选题：在线学习　切入点：迁移学习　出处：《软件学报》2017年11期 　论文类型：期刊论文

【摘要】：近年来,迁移学习得到越来越多的关注.现有的在线迁移学习算法一般从单个源领域迁移知识,然而,当源领域与目标领域相似度较低时,很难进行有效的迁移学习.基于此,提出了一种基于局部分类精度的多源在线迁移学习方法——LC-MSOTL.LC-MSOTL存储多个源领域分类器,计算新到样本与目标领域已有样本之间的距离以及各源领域分类器对其最近邻样本的分类精度,从源领域分类器中挑选局部精度最高的分类器与目标领域分类器加权组合,从而实现多个源领域知识到目标领域的迁移学习.在人工数据集和实际数据集上的实验结果表明,LC-MSOTL能够有效地从多个源领域实现选择性迁移,相对于单源在线迁移学习算法OTL,显示出了更高的分类准确率.
[Abstract]:In recent years, transfer learning has attracted more and more attention. The existing online transfer learning algorithms generally migrate knowledge from a single source domain. However, when the similarity between the source domain and the target domain is low, it is difficult to carry out effective transfer learning. In this paper, a multi-source online migration learning method based on local classification accuracy is proposed. LC-MSOTL.LC-MSOTL stores multiple source domain classifiers. The distance between the new sample and the existing sample of the target domain and the classification accuracy of the nearest neighbor samples of each source domain classifier are calculated, and the weighted combination of the local best classifier and the target domain classifier is selected from the source domain classifier. The experimental results on artificial data sets and actual data sets show that LC-MSOTL can effectively achieve selective migration from multiple source domains. Compared with single source online migration learning algorithm OTL, the classification accuracy is higher.
【作者单位】： 桂林电子科技大学计算机与信息安全学院;桂林电子科技大学广西可信软件重点实验室;
【分类号】：TP181

【相似文献】

相关会议论文 前10条

1 王占一;徐蔚然;刘东鑫;郭军;;一种基于两级分类器的垃圾短信过滤方法[A];第五届全国信息检索学术会议论文集[C];2009年

2 翟静;李海宏;唐常杰;陈敏敏;李智;;可验证对象集分类器的再训练演进[A];第十九届全国数据库学术会议论文集（研究报告篇）[C];2002年

3 陈继航;刘家锋;赵巍;唐降龙;;联机手写识别笔段特征分类器的学习方法[A];黑龙江省计算机学会2009年学术交流年会论文集[C];2010年

4 穆明生;;基于特征集的多种分类器模型的在线笔迹认证[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

5 彭涛;左万利;赫枫龄;;基于链接上下文的分类器主题爬行技术(英文)[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

6 王岚;陈珂;迟惠生;;基于多特征组合多分类器的方法用于“与文本无关”的说话人辨认[A];第四届全国人机语音通讯学术会议论文集[C];1996年

7 谢秋玲;;应用于心电图分类的KNN-SVM分类器研究[A];2006中国控制与决策学术年会论文集[C];2006年

8 胡琼;汪荣贵;胡韦伟;孙见青;;基于级联分类器的快速人脸检测方法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

9 李兰春;王双成;杜瑞杰;;认知结构评估的动态贝叶斯网络分类器方法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

10 邵小健;段华;贺国平;;一种改进的最少核分类器[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年

相关重要报纸文章 前1条

1 黄明;精子分类器决定生男生女[N];广东科技报;2000年

相关博士学位论文 前10条

1 张非;对抗逃避攻击的防守策略研究[D];华南理工大学;2015年

2 张文博;多类别智能分类器方法研究[D];西安电子科技大学;2014年

3 许劲松;智能交通中目标检测与分类关键技术研究[D];南京理工大学;2014年

4 赵作林;基于图像分析的北京地区杨树种类识别研究[D];北京林业大学;2015年

5 任亚峰;基于标注和未标注数椐的虚假评论识别研究[D];武汉大学;2015年

6 曹鹏;不均衡数据分类方法的研究[D];东北大学;2014年

7 刘明;分类器组合技术研究及其在人机交互系统中的应用[D];北京交通大学;2008年

8 严志永;在划分数据空间的视角下基于决策边界的分类器研究[D];浙江大学;2011年

9 王U，

本文编号：1627303