【摘要】：遷移學(xué)習(xí)方法是一種新的機(jī)器學(xué)習(xí)框架,它將源領(lǐng)域數(shù)據(jù)通過學(xué)習(xí)遷移到相似的目標(biāo)領(lǐng)域中,減弱了對已標(biāo)記數(shù)據(jù)的依賴。但遷移學(xué)習(xí)方法中一個重大問題是使用目標(biāo)領(lǐng)域數(shù)據(jù)與源領(lǐng)域數(shù)據(jù)得到的分類器很可能比僅利用目標(biāo)領(lǐng)域數(shù)據(jù)得到的分類器的效果更差,從而造成一種"負(fù)遷移"現(xiàn)象。針對此問題,提出一種基于目標(biāo)領(lǐng)域已標(biāo)記數(shù)據(jù)知識的安全控制機(jī)制,并通過結(jié)合近年出現(xiàn)的一種遷移學(xué)習(xí)分類器(TL-SVM)提出了一種安全遷移支持向量機(jī)(SATL-SVM),從理論上解決了TL-SVM的負(fù)遷移問題,在人工數(shù)據(jù)集和真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明了所提方法的有效性。
[Abstract]:Migration learning method is a new machine learning framework, which migrates source domain data to similar target areas by learning, which reduces the dependence on marked data. However, one of the major problems in the transfer learning method is that the classifier obtained by using target domain data and source domain data is likely to be less effective than that obtained by using only target domain data, resulting in a "negative transfer" phenomenon. In order to solve this problem, a security control mechanism based on tagged data knowledge in target domain is proposed, and a secure migration support vector machine (SATL-SVM) is proposed by combining a migration learning classifier (TL-SVM) that has emerged in recent years. The problem of negative migration of TL-SVM is solved theoretically. The experimental results on artificial data sets and real data sets show the effectiveness of the proposed method.
【作者單位】： 常州輕工職業(yè)技術(shù)學(xué)院信息工程系;
【基金】：江蘇省大學(xué)生創(chuàng)新項(xiàng)目(201513101015Y) 江蘇省衛(wèi)生計生委信息化科研課題(X201510)基金資助
【分類號】：TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄒斌,李落清;支持向量機(jī)回歸與v-支持向量機(jī)分類解的關(guān)系[J];湖北大學(xué)學(xué)報(自然科學(xué)版);2004年01期

2 吳娟;范玉妹;王麗;;關(guān)于改進(jìn)的支持向量機(jī)的研究[J];攀枝花學(xué)院學(xué)報;2006年05期

3 劉碩明;劉佳;楊海濱;;一種新的多類支持向量機(jī)算法[J];計算機(jī)應(yīng)用;2008年S2期

4 尹傳環(huán);牟少敏;田盛豐;黃厚寬;;單類支持向量機(jī)的研究進(jìn)展[J];計算機(jī)工程與應(yīng)用;2012年12期

5 王云英;閻滿富;;C-支持向量機(jī)及其改進(jìn)[J];唐山師范學(xué)院學(xué)報;2012年05期

6 李逢煥;;試述不確定支持向量機(jī)應(yīng)用分析及改進(jìn)思路[J];中國證券期貨;2012年12期

7 邵惠鶴;支持向量機(jī)理論及其應(yīng)用[J];自動化博覽;2003年S1期

8 曾嶸,蔣新華,劉建成;基于支持向量機(jī)的異常值檢測的兩種方法[J];信息技術(shù);2004年05期

9 魏玲,張文修;基于支持向量機(jī)集成的分類[J];計算機(jī)工程;2004年13期

10 沈翠華,鄧乃揚(yáng),肖瑞彥;基于支持向量機(jī)的個人信用評估[J];計算機(jī)工程與應(yīng)用;2004年23期

相關(guān)會議論文 前10條

1 余樂安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

2 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國第19屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

3 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

4 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

5 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國第十五屆計算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

6 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國智能自動化會議論文集[C];2005年

7 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

8 張曉濱;尹英順;趙培坤;馬秀蘭;;基于漸進(jìn)直推支持向量機(jī)的半對半多類文本分類[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

9 徐會敏;王玉蘭;;線性規(guī)劃支持向量機(jī)模型的研究[A];計算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國第18屆計算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集[C];2007年

10 郭一楠;程健;肖大偉;楊梅;;分布式多分類支持向量機(jī)[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 張曉雷;支持向量機(jī)若干問題的研究[D];清華大學(xué);2012年

2 郭虎升;支持向量機(jī)的優(yōu)化建模方法研究[D];山西大學(xué);2014年

3 姚毓凱;支持向量機(jī)關(guān)鍵技術(shù)及其在人體活動識別中的應(yīng)用研究[D];蘭州大學(xué);2015年

4 張華美;穿墻雷達(dá)基于支持向量機(jī)的成像算法研究[D];南京郵電大學(xué);2015年

5 王喜賓;基于優(yōu)化支持向量機(jī)的個性化推薦研究[D];重慶大學(xué);2015年

6 夏書銀;基于分類噪聲檢測的支持向量機(jī)算法研究[D];重慶大學(xué);2015年

7 閆辛;半監(jiān)督支持向量機(jī)模型與算法研究[D];上海大學(xué);2016年

8 陳素根;非平行平面支持向量機(jī)及特征提取中若干問題研究[D];江南大學(xué);2016年

9 劉大蓮;大規(guī)模稀疏支持向量機(jī)算法研究[D];北京交通大學(xué);2017年

10 鞠哲;基于支持向量機(jī)的賴氨酸翻譯后修飾位點(diǎn)預(yù)測方法研究[D];大連理工大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 佟樂;添加Universum數(shù)據(jù)雙支持向量機(jī)[D];河北大學(xué);2015年

2 胡金扣;魯棒支持向量機(jī)研究[D];河北大學(xué);2015年

3 邱志勇;一類支持張量機(jī)及其算法研究[D];華南理工大學(xué);2015年

4 李萌;基于支持向量機(jī)的高分遙感影像分類技術(shù)研究與應(yīng)用[D];中國地質(zhì)大學(xué)(北京);2015年

5 李勝剛;基于支持向量機(jī)的短期風(fēng)電功率預(yù)測[D];湖南工業(yè)大學(xué);2015年

6 孫亭亭;基于支持向量機(jī)的燃煤機(jī)組燃燒優(yōu)化算法的研究[D];山東大學(xué);2015年

7 王芳;基于支持向量機(jī)的滬深300指數(shù)回歸預(yù)測[D];山東大學(xué);2015年

8 武放;基于支持向量機(jī)的復(fù)雜工業(yè)系統(tǒng)典型非正常工況分類問題研究[D];哈爾濱工業(yè)大學(xué);2015年

9 王恩;監(jiān)督和半監(jiān)督支持向量機(jī)研究[D];西安郵電大學(xué);2015年

10 吳福林;孿生支持向量機(jī)模型選擇問題研究[D];中國礦業(yè)大學(xué);2015年

，

本文編號：2341026