计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
11期
3084-3089
,共6页
史荧中%王士同%蒋亦樟%刘培林
史熒中%王士同%蔣亦樟%劉培林
사형중%왕사동%장역장%류배림
迁移学习%数据缺失%支持向量回归机%知识相关性%信息修补
遷移學習%數據缺失%支持嚮量迴歸機%知識相關性%信息脩補
천이학습%수거결실%지지향량회귀궤%지식상관성%신식수보
transfer learning%data missing%Supported Vector Regression (SVR)%knowledge similarity%information remedy
传统的回归系统构建方法假设用于建模的数据是充分的,但若当前场景中重要数据信息缺失,则基于此数据集训练所得系统泛化能力较差.针对此缺陷,以支持向量回归机(SVR)为基础,提出了具有迁移学习能力的回归机系统,即迁移学习支持向量回归机(T-SVR).T-SVR不仅能充分利用当前场景的数据信息,而且能有效地利用历史知识来学习,具有通过迁移历史场景知识来弥补当前场景信息缺失的能力.具体地,通过控制目标函数中当前模型与历史模型的相似性,便当前模型能在信息缺失和不足时从历史场景中得到有益信息,得到增强的当前场景模型.在模拟数据和酒类光谱数据集上的实验研究亦验证了在信息缺失场景下T-SVR较之于传统回归系统建模方法的更好适应性.
傳統的迴歸繫統構建方法假設用于建模的數據是充分的,但若噹前場景中重要數據信息缺失,則基于此數據集訓練所得繫統汎化能力較差.針對此缺陷,以支持嚮量迴歸機(SVR)為基礎,提齣瞭具有遷移學習能力的迴歸機繫統,即遷移學習支持嚮量迴歸機(T-SVR).T-SVR不僅能充分利用噹前場景的數據信息,而且能有效地利用歷史知識來學習,具有通過遷移歷史場景知識來瀰補噹前場景信息缺失的能力.具體地,通過控製目標函數中噹前模型與歷史模型的相似性,便噹前模型能在信息缺失和不足時從歷史場景中得到有益信息,得到增彊的噹前場景模型.在模擬數據和酒類光譜數據集上的實驗研究亦驗證瞭在信息缺失場景下T-SVR較之于傳統迴歸繫統建模方法的更好適應性.
전통적회귀계통구건방법가설용우건모적수거시충분적,단약당전장경중중요수거신식결실,칙기우차수거집훈련소득계통범화능력교차.침대차결함,이지지향량회귀궤(SVR)위기출,제출료구유천이학습능력적회귀궤계통,즉천이학습지지향량회귀궤(T-SVR).T-SVR불부능충분이용당전장경적수거신식,이차능유효지이용역사지식래학습,구유통과천이역사장경지식래미보당전장경신식결실적능력.구체지,통과공제목표함수중당전모형여역사모형적상사성,편당전모형능재신식결실화불족시종역사장경중득도유익신식,득도증강적당전장경모형.재모의수거화주류광보수거집상적실험연구역험증료재신식결실장경하T-SVR교지우전통회귀계통건모방법적경호괄응성.
