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English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020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
唐诗淇,文益民,秦一休.一种基于局部分类精度的多源在线迁移学习算法.软件学报,2017,28(11):2940-2960
一种基于局部分类精度的多源在线迁移学习算法
Online Transfer Learning from Multiple Sources Based on Local Classification Accuracy
投稿时间:2017-05-17  修订日期:2017-06-26
DOI:10.13328/j.cnki.jos.005352
中文关键词:  在线学习  迁移学习  多源在线迁移  局部分类精度
英文关键词:online learning  transfer learning  multi sources online transfer  local classification accuracy
基金项目:国家自然科学基金(61363029);广西科学研究与技术开发项目(桂科攻14124005-2-1);广西自然科学基金(2014GXNSFAA118395);广西信息科学中心项目(YB408);桂林电子科技大学研究生教育创新计划(YJCXS201544)
作者单位
唐诗淇 桂林电子科技大学 计算机与信息安全学院, 广西 桂林 541004 
文益民 广西可信软件重点实验室(桂林电子科技大学), 广西 桂林 541004
桂林电子科技大学 计算机与信息安全学院, 广西 桂林 541004 
秦一休 桂林电子科技大学 计算机与信息安全学院, 广西 桂林 541004 
摘要点击次数: 1944
全文下载次数: 1376
中文摘要:
      近年来,迁移学习得到越来越多的关注.现有的在线迁移学习算法一般从单个源领域迁移知识,然而,当源领域与目标领域相似度较低时,很难进行有效的迁移学习.基于此,提出了一种基于局部分类精度的多源在线迁移学习方法——LC-MSOTL.LC-MSOTL存储多个源领域分类器,计算新到样本与目标领域已有样本之间的距离以及各源领域分类器对其最近邻样本的分类精度,从源领域分类器中挑选局部精度最高的分类器与目标领域分类器加权组合,从而实现多个源领域知识到目标领域的迁移学习.在人工数据集和实际数据集上的实验结果表明,LC-MSOTL能够有效地从多个源领域实现选择性迁移,相对于单源在线迁移学习算法OTL,显示出了更高的分类准确率.
英文摘要:
      In recent years, transfer learning has gained more and more attention. However, most of the existing online transfer learning methods transfer knowledge from a single source, and it is hard to make effective transfer learning when the similarity between source domain and target domain is low. To solve this problem, this paper proposes a multi-source online transfer learning method, LC-MSOTL, based on local classification accuracy. LC-MSOTL stores multiple classifiers each trained on a different source, computes the distance between the new arrived sample and its k-nearest neighbor samples in the target domain as well as the local classification accuracies of each source domain classifier on the k-nearest neighbor samples, selects the classifier with the highest local classification accuracy from source domain classifiers and combines it with the target domain classifier, so as to realize the knowledge transfer from multi-source domains to a target domain. Experiments on artificial datasets and real datasets illustrates that LC-MSOTL can effectively transfer knowledge selectively from multi-source domains, and can get higher classification accuracy compared with the single source online transfer learning algorithm OTL.
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