控制与决策

作者：姜志彬,潘兴广,周洁,张远鹏,王士同

单位：江南大学 人工智能与计算机学院,江苏 无锡 214122;江南大学 江苏省媒体设计与软件技术重点实验室, 江苏 无锡 214122,,江南大学 人工智能与计算机学院,江苏 无锡 214122;江南大学 江苏省媒体设计与软件技术重点实验室, 江苏 无锡 214122,,江南大学 人工智能与计算机学院,江苏 无锡 214122;江南大学 江苏省媒体设计与软件技术重点实验室, 江苏 无锡 214122,,南通大学 医学信息学系,江苏 南通 226019,,江南大学 人工智能与计算机学院,江苏 无锡 214122;江南大学 江苏省媒体设计与软件技术重点实验室, 江苏 无锡 214122,

关键词：多分类;DLSR;归纳式迁移学习;知识杠杆机制;安全性

基金：国家自然科学基金项目(61772198,61772239,81701793).

传统机器学习方法的有效性依赖于大量的有效训练数据,而这难以满足,因此迁移学习被广泛研究并成为近年来的研究热门.针对由于训练数据严重不足导致多分类场景下分类性能降低的挑战,提出一种基于DLSR(discriminative least squares regressions)的归纳式迁移学习方法(TDLSR).该方法从归纳式迁移学习出发,通过知识杠杆机制,将源域知识迁移到目标域并同目标域数据同时进行模型学习,在提升分类性能的同时保证源域数据的安全性.TDLSR继承了DLSR在多分类任务中扩大类别间间隔的优势,为DLSR注入了迁移能力以适应数据不足的挑战,更加适用于复杂的多分类任务.通过在12个真实UCI数据集上进行实验,验证了所提出方法的有效性.

来源：2021年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第12期