节点文献

基于决策树局部相似性的多源在线迁移学习

免费订阅

【作者】 陆小霞秦一休

【Author】 Lu Xiaoxia;Qin Yixiu;School of Information Engineering, Guangzhou Huaxia Vocational College;Guangzhou Youfei Information Technology Co., Ltd.;

【机构】 广州华夏职业学院信息工程学院广州优飞信息科技有限公司

【摘要】 近年来,在线学习算法得到了快速发展,VFDT算法在在线学习领域得到了广泛关注。VFDT算法需要满足Hoeffding边界才有可能进行分裂,这就导致在不满足Hoeffding边界时VFDT的分类性能较差。迁移学习在近年来得到飞速发展,本文尝试使用迁移学习算法弥补VFDT算法的不足。本文首先在VFDT的节点中存储少量样本,且随着VFDT的更新将这些样本传递到叶节点当中。本文基于VFDT提出一种单源在线迁移学习算法——DOTL。实验结果表明,将样本传递到叶节点能有效提高VFDT分类准确率,单源在线迁移学习算法DOTL能有效地从单个源领域迁移知识,与VFDT对比具有较高的准确率。

【所属期刊栏目】 算法语言 (2020年09期)
  • 【分类号】TP18
  • 【下载频次】5
节点文献中: 

本文链接的文献网络图示:

浏览历史:
下载历史: