主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
许敏,王士同,顾鑫,俞林.大样本领域自适应支撑向量回归机.软件学报,2013,24(10):2312-2326
大样本领域自适应支撑向量回归机
Support Vector Regression for Large Domain Adaptation
投稿时间:2011-09-02  修订日期:2013-01-25
DOI:10.3724/SP.J.1001.2013.04375
中文关键词:  领域自适应  支撑向量回归  核心集支撑向量机  中心约束最小包含球  大数据集
英文关键词:domain adaptation  support vector regression (SVR)  core vector machine (CVM)  center-constrained minimum enclosing ball (CC-MEB)  large data set
基金项目:国家自然科学基金(61170122, 61272210); 江苏省研究生创新工程项目(CXZZ12-0759)
作者单位E-mail
许敏 江南大学 数字媒体学院, 江苏 无锡 214122
无锡职业技术学院 物联网技术学院, 江苏 无锡 214121 
 
王士同 江南大学 数字媒体学院, 江苏 无锡 214122 wxwangst@yahoo.com.cn 
顾鑫 江南大学 数字媒体学院, 江苏 无锡 214122
无锡北方湖光光电有限公司 研发部, 江苏 无锡 214035 
 
俞林 无锡职业技术学院 物联网技术学院, 江苏 无锡 214121  
摘要点击次数: 1963
全文下载次数: 1967
中文摘要:
      针对回归问题中存在采集数据不完整而导致预测性能降低的情况,根据支撑向量回归机(support vectorregression,简称SVR)等价于中心约束最小包含球(center-constrained minimum enclosing ball,简称CC-MEB)以及相似领域概率分布差异只与两域各自的最小包含球中心点位置有关的理论新结果,提出了针对大数据集的领域自适应核心集支撑向量回归机(adaptive-core vector regression,简称A-CVR).该算法利用源域CC-MEB 中心点对目标域CC-MEB 中心点进行校正,从而提高目标域的回归预测性能.实验结果表明,这种领域自适应算法可以弥补目标域缺失数据的不足,大大提高回归预测性能.
英文摘要:
      Incomplete data collection in regression analysis would lead to low prediction performance, which aises the issue of domain adaptation. It is well known that support vector regression (SVR) is equivalent to center-constrained minimum enclosing ball (CC-MEB). Also in solving the problem of how to effectively transfer the knowledge between the two fields, new theorems reveal that the difference between two probability distributions from two similar domains only depends on the centers of the two domains' minimum enclosing balls. Based on these developments, a fast adaptive-core vector regression (A-CVR) algorithm is proposed for large domain adaptation. The proposed algorithm uses the center of the source domain's CC-MEB to calibrate the center of the target domain's in order to improve the regression performance of the target domain. Experimental results show that the proposed domain adaptive algorithm can make up for the lack of data and greatly improve the performance of the target domain regression.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利