期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
数据集动态重构的集成迁移学习 被引量:5
1
作者 刘伟 张化祥 《计算机工程与应用》 CSCD 北大核心 2010年第12期126-128,共3页
目前很多数据挖掘和机器学习方法都有一个基本假设:训练数据和测试数据必须服从相同的分布。但是在很多情况下这种假设不成立,没有考虑分布差异的传统机器学习方法就不能正确分类了。提出了一种新的迁移学习方法DRTAT,对原训练数据进行... 目前很多数据挖掘和机器学习方法都有一个基本假设:训练数据和测试数据必须服从相同的分布。但是在很多情况下这种假设不成立,没有考虑分布差异的传统机器学习方法就不能正确分类了。提出了一种新的迁移学习方法DRTAT,对原训练数据进行动态分割重组,适时地淘汰冗余数据,并进行分类器的集成。通过在多个文本数据集和UCI数据集上进行测试,并与TrAdaboost算法进行比较,表明了算法的先进性。 展开更多
关键词 分布差异 知识迁移 动态数据集重组 冗余数据淘汰 分类器
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部