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注，現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組合。從而實現多個源領域知識到目標領域的遷移學習．在人工數據集和實際數據集上的實驗結果表明。LC-MSOTL能夠有效地從多個源領域實現選擇性遷移。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%
下載地址
基于局部分類精度的多源在線遷移學習算法下載
相關電子資料下載
- 人工神經網絡模型的分類有哪些 134
- 一文快速了解RFID技術的構成及分類 109
- 車載無線技術分類介紹 411
- 機器視覺光源的作用、分類及實際應用 118
- 神經元的分類包括哪些 234
- 卷積神經網絡分類方法有哪些 102
- cnn卷積神經網絡分類有哪些 106
- 機器學習算法原理詳解 89
- 什么神經網絡模型適合做分類 114
- 卷積神經網絡在文本分類領域的應用 152