选择性直推式迁移学习

	选择性直推式迁移学习
	沈杰; 刘解放; 杭文龙; 梁爽
刊名	计算机工程与设计
	2017
文献子类	期刊论文
英文摘要	针对现有迁移学习中源域和目标域具有分布不一致数据的问题，通过采用了一种选择性最大均值偏差度量方法，利用源域中部分相关数据子集用于构建迁移知识，提出了选择性的直推式迁移学习方法(Selective Transductive Transfer Learning, STTL)。STTL方法选出了与目标域分布相似的数据用于迁移学习，避免了使用不相关源域数据带来的负迁移效应，实现了标签数据不足情况下目标域数据的有效建模。实验结果表明，所提方法在模拟和真实数据集上的实验精度优于其他方法。
URL标识	查看原文
语种	中文
内容类型	期刊论文
源URL	[http://ir.siat.ac.cn:8080/handle/172644/11593]
专题	深圳先进技术研究院_集成所
作者单位	计算机工程与设计
推荐引用方式 GB/T 7714	沈杰,刘解放,杭文龙,等. 选择性直推式迁移学习[J]. 计算机工程与设计,2017.
APA	沈杰,刘解放,杭文龙,&梁爽.(2017).选择性直推式迁移学习.计算机工程与设计.
MLA	沈杰,et al."选择性直推式迁移学习".计算机工程与设计 (2017).