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。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !