基于局部分類精度的多源在線遷移學習算法
大小：2.21 MB 人氣： 2017-12-25 需要積分：3
近年來，遷移學習得到越來越多的關(guān)注，現(xiàn)有的在線遷移學習算法一般從單個源領域遷移知識。然而，當源領域與目標領域相似度較低時，很難進行有效的遷移學習．基于此，提出了一種基于局部分類精度的多源在線遷移學習方法-LC-MSOTL.LC-MSOTL存儲多個源領域分類器。計算新到樣本與目標領域已有樣本之間的距離以及各源領域分類器對其最近鄰樣本的分類精度，從源領域分類器中挑選局部精度最高的分類器與目標領域分類器加權(quán)組合。從而實現(xiàn)多個源領域知識到目標領域的遷移學習．在人工數(shù)據(jù)集和實際數(shù)據(jù)集上的實驗結(jié)果表明。LC-MSOTL能夠有效地從多個源領域?qū)崿F(xiàn)選擇性遷移。相對于單源在線遷移學習算法OTL。顯示出了更高的分類準確率。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%