简介概要

基于极限学习机的无监督领域适应分类器

来源期刊:控制与决策2020年第4期

论文作者:王雪松 赵季娟 程玉虎

文章页码:861 - 869

关键词:领域适应;极限学习机;无监督;分类器;

摘    要:在构建基于极限学习机的无监督自适应分类器时,隐含层的参数通常都是随机选取的,而随机选取的参数不具备领域适应能力.为了增强跨领域极限学习机的知识迁移能力,提出一种新的基于极限学习机的无监督领域适应分类器学习方法,该方法主要利用自编码极限学习机对源域和目标域数据进行重构学习,从而可以获得具有领域不变特性的隐含层参数.进一步,结合联合概率分布匹配和流形正则的思想,对输出层权重进行自适应调整.所提出算法能对极限学习机的两层参数均赋予领域适应能力,在字符数据集和对象识别数据集上的实验结果表明其具有较高的跨领域分类精度.

详情信息展示

基于极限学习机的无监督领域适应分类器

王雪松,赵季娟,程玉虎

中国矿业大学信息与控制工程学院

摘 要:在构建基于极限学习机的无监督自适应分类器时,隐含层的参数通常都是随机选取的,而随机选取的参数不具备领域适应能力.为了增强跨领域极限学习机的知识迁移能力,提出一种新的基于极限学习机的无监督领域适应分类器学习方法,该方法主要利用自编码极限学习机对源域和目标域数据进行重构学习,从而可以获得具有领域不变特性的隐含层参数.进一步,结合联合概率分布匹配和流形正则的思想,对输出层权重进行自适应调整.所提出算法能对极限学习机的两层参数均赋予领域适应能力,在字符数据集和对象识别数据集上的实验结果表明其具有较高的跨领域分类精度.

关键词:领域适应;极限学习机;无监督;分类器;

<上一页 1 下一页 >

有色金属在线官网  |   会议  |   在线投稿  |   购买纸书  |   科技图书馆

中南大学出版社 技术支持 版权声明   电话:0731-88830515 88830516   传真:0731-88710482   Email:administrator@cnnmol.com

互联网出版许可证:(署)网出证(京)字第342号   京ICP备17050991号-6      京公网安备11010802042557号