欢迎访问中国科学院大学学报,今天是

中国科学院大学学报 ›› 2015, Vol. 32 ›› Issue (1): 121-126.DOI: 10.7523/j.issn.2095-6134.2015.01.020

• 计算机科学 • 上一篇    下一篇

基于平移不变核的异构迁移学习

关增达1, 程立2,3, 朱廷劭4   

  1. 1. 中国科学院大学计算机与控制学院, 北京 101408;
    2. 新加坡科技研究局生物信息研究所, 新加坡 138671;
    3. 新加坡国立大学计算机学院, 新加坡 119077;
    4. 中国科学院心理研究所, 北京 100101
  • 收稿日期:2013-12-25 修回日期:2014-03-19 发布日期:2015-01-15
  • 通讯作者: 朱廷劭
  • 基金资助:

    国家重点基础研究发展(973)计划(2014CB744600)、中国科学院重点项目(KJZD-EW-L04)、中国科学院战略性先导科技专项(XDA06030800)资助

Heterogeneous transfer learning based on translation invariant kernels

GUAN Zengda1, CHENG Li2,3, ZHU Tingshao4   

  1. 1. School of Computer and Control, University of Chinese Academy of Sciences, Beijing 101408, China;
    2. Bioinformatics Institute, A*STAR, Singapore 138671;
    3. School of Computing, National University of Singapore, Singapore 119077;
    4. Institute of Psychology, Chinese Academy of Sciences, Beijing 100101, China
  • Received:2013-12-25 Revised:2014-03-19 Published:2015-01-15

摘要:

提出一种新的异构迁移学习方法.利用与目标数据集相关的异构特征数据集.通过把目标集和异构集的数据使用平移不变核(欧式距离核和径向基函数核),映射到一个新的再生核希尔伯特空间上.在新空间中2个数据集的特征相同,特征维度相等,分布接近,且保持数据的拓扑性质不变.实验证明,该方法特别是基于欧式距离核的方法取得了较好的效果,在目标训练集的标注数据较少时,有大于5%甚至超过10%的精度提高.

关键词: 异构迁移学习, 平移不变核, RKHS

Abstract:

We propose a new heterogeneous transfer learning method, which uses related heterogeneous feature dataset. We use translation invariant kernels(Euclidean kernels and RBF kernels) to map the target dataset and the related dataset to a new reproducing kernel Hilbert space, in which the two datasets have equal feature dimensions and similar distributions and reserve their topological property. The experimental results show that our method works well and the method based on the Euclidean kernel improves accuracy by more than 5%~10%.

Key words: heterogeneous transfer learning, translation invariant kernel, RKHS

中图分类号: