%0 Journal Article
%T 基于平移不变核的异构迁移学习<br>Heterogeneous transfer learning based on translation invariant kernels
%A 关增达
%A 程立
%A 朱廷劭
%J 中国科学院大学学报
%D 2015
%R 10.7523/j.issn.2095-6134.2015.01.020
%X 摘要 提出一种新的异构迁移学习方法.利用与目标数据集相关的异构特征数据集.通过把目标集和异构集的数据使用平移不变核(欧式距离核和径向基函数核),映射到一个新的再生核希尔伯特空间上.在新空间中2个数据集的特征相同,特征维度相等,分布接近,且保持数据的拓扑性质不变.实验证明,该方法特别是基于欧式距离核的方法取得了较好的效果,在目标训练集的标注数据较少时,有大于5%甚至超过10%的精度提高.<br>
%K 异构迁移学习
%K 平移不变核
%K RKHS&lt
%K br&gt
%K heterogeneous transfer learning
%K translation invariant kernel
%K RKHS
%U http://journal.ucas.ac.cn/CN/abstract/abstract12201.shtml