基于数据分类的领域自适应新算法
【出 处】:《
计算机工程与科学
》
CSCD
2014年第36卷第2期 275-285页,共11页
【作 者】:
顾鑫
[1,2] ;
王士同
[1]
【摘 要】
一般的机器学习都假设训练数据与测试数据分布相同,而领域自适应算法则是在不同数据分布条件下进行知识传递和学习,在数据挖掘、数据校正、数据预测等领域有着广泛的应用.支持向量机SVM的主要思想是针对二分类问题,在高维空间寻找一个最优分类超平面,以保证最小的分类错误率.CCMEB理论由Tsang I提出的,是一种改进了核向量机CVM的最小包含球算法,在大样本数据集处理上有着较快的速度.而CCMEB理论同样适用于二分类的SVM数据集.将SVM理论、CCMEB理论与概率分布理论相结合,提出了一种全新的基于数据分类的领域自适应算法CCMEB-SVMDA,该算法通过计算各自分类数据组的包含球球心,能够有效地对不同领域数据进行整体校正和相似度识别,具有较好的便捷性和自适应性.在UCI数据、文本分类等数据上对该算法进行了验证,取得了较好的效果.
相关热词搜索: