迁移极限学习机及其在域自适应问题的应用

迁移极限学习机及其在域自适应问题的应用

陈一鸣;宋士吉

【期刊名称】《中国科技论文》

【年(卷),期】2017(012)014

【摘要】基于极限学习机理论,提出1种针对域迁移问题的改进型极限学习机算法(domain transfer extreme learning machine,DTELM),在减小源域S和目标域T的分布距离的同时,利用自编码器原理,尽可能多地保留目标域的原始数据结构,使其数据可分性不受破坏,从而能够有效地解决域自适应的数据分类问题.通过在真实数据集上的实验,将所提算法与已有的域自适应算法比较,验证了其有效性.

【总页数】6页(1565-1569,1609)

【关键词】模式识别;数据挖掘;域自适应;极限学习机

【作者】陈一鸣;宋士吉

【作者单位】清华大学自动化系,北京100084;清华大学自动化系,北京100084【正文语种】中文

【中图分类】TP181

【相关文献】

1.跨领域分布适配超限学习机及其在域自适应问题的应用 [J], 宋士吉; 李爽

2.跨领域分布适配超限学习机及其在域自适应问题的应用 [J], 宋士吉; 李爽

3.跨领域分布适配超限学习机及其在域自适应问题的应用 [J], 宋士吉; 李爽

4.迁移极限学习机及其在域自适应问题的应用 [J], 陈一鸣; 宋士吉

5.基于极限学习机参数迁移的域适应算法 [J], 许夙晖; 慕晓冬; 柴栋; 罗畅