控制与决策

作者：王洪元,耿磊,倪彤光,王冲

单位：常州大学信息学院，江苏常州213016,,常州大学信息学院，江苏常州213016,,常州大学信息学院，江苏常州213016,,常州大学信息学院，江苏常州213016,

关键词：分类;孪生支持向量机;迁移学习;不平衡数据

基金：国家自然科学基金项目(61572085, 61502058).

孪生支持向量机(TwinSVM)相比支持向量机在解决类别不平衡数据问题上具有优势,但其在训练数据不足时受训所得分类器的泛化能力较差.针对此问题,探讨一种知识嵌入的迁移孪生支持向量机(KE-T-TwinSVM). 该分类器不但继承了TwinSVM的优点,还可基于知识嵌入的思想利用从相关领域学到的知识来辅助学习以提高分类效果.各种真实数据集上的实验结果表明,所提出的分类器在目标领域数据不足和不平衡情况下具有更佳的性能.

来源：2019年第3期

《控制与决策》期刊编辑部

查看控制与决策杂志2019年第3期