一种基于跨领域典型相关性分析的迁移学习方法
文献类型：期刊论文
| 作者 | 张博; 史忠植; 赵晓非; 张建华
|
| 刊名 | 计算机学报
 |
| 出版日期 | 2015 |
| 卷号 | 38.0期号:007页码:1326 |
| 关键词 | 迁移学习 典型相关性分析 跨领域分类学习 领域自适应 |
| ISSN号 | 0254-4164 |
| 英文摘要 | 作为迁移学习的一个重要研究方向,基于特征映射的方法学习各领域特有特征与领域共享特征之间的相关性,通过一些相关特征减少领域之间的差异,已经获得了广泛的关注和研究.典型相关性分析是一种用来分析两组随机变量之间相关性的统计分析工具.将典型相关性分析引入迁移学习,结合基于特征映射迁移学习的思路,提出了一种跨领域典型相关性分析算法.该算法在保持各领域特有特征与领域共享特征相关性的基础上,通过选择合适的基向量组合训练分类器,使降维后的相关特征在领域间具有相似的判别性.在20Newsgroups上864个分类问题以及多领域情感分析数据集上12个分类问题的实验结果表明,跨领域典型相关性分析算法可以有效地提高跨领域迁移分类准确率. |
| 语种 | 英语 |
| 源URL | [http://119.78.100.204/handle/2XEOYT63/35123]  |
| 专题 | 中国科学院计算技术研究所期刊论文_中文 |
| 作者单位 | 中国科学院计算技术研究所 |
| 推荐引用方式 GB/T 7714 | 张博,史忠植,赵晓非,等. 一种基于跨领域典型相关性分析的迁移学习方法[J]. 计算机学报,2015,38.0(007):1326. |
| APA | 张博,史忠植,赵晓非,&张建华.(2015).一种基于跨领域典型相关性分析的迁移学习方法.计算机学报,38.0(007),1326. |
| MLA | 张博,et al."一种基于跨领域典型相关性分析的迁移学习方法".计算机学报 38.0.007(2015):1326. |
入库方式： OAI收割
来源：计算技术研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。