%0 Journal Article
%T 核分布一致局部领域适应学习
%A 陶剑文
%A 王士同
%J 自动化学报
%P 1295-1309
%D 2013
%R 10.3724/SP.J.1004.2013.01295
%X ？针对领域适应学习(Domainadaptationlearning,DAL)问题,提出一种核分布一致局部领域适应学习机(Kerneldistributionconsistencybasedlocaldomainadaptationclassifier,KDC-LDAC),在某个通用再生核Hilbert空间(UniversallyreproducedkernelHilbertspace,URKHS),基于结构风险最小化模型,KDC-LDAC首先学习一个核分布一致正则化支持向量机(Supportvectormachine,SVM),对目标数据进行初始划分;然后,基于核局部学习思想,对目标数据类别信息进行局部回归重构;最后,利用学习获得的类别信息,在目标领域训练学习一个适于目标判别的分类器.人造和实际数据集实验结果显示,所提方法具有优化或可比较的领域适应学习性能.
%K 领域适应学习
%K 核分布一致
%K 局部学习
%K 模式分类
%K 最大平均差
%U http://www.aas.net.cn/CN/abstract/abstract18161.shtml