任俊,胡晓峰,李宁.基于SDA与SVR混合模型的迁移学习预测算法[J].计算机科学,2018,45(1):280-284, 312
基于SDA与SVR混合模型的迁移学习预测算法
Transfer Prediction Learning Based on Hybrid of SDA and SVR
投稿时间:2016-11-25  修订日期:2017-03-30
DOI:10.11896/j.issn.1002-137X.2018.01.049
中文关键词:  迁移学习,特征提取,堆栈降噪自编码
英文关键词:Transfer learning,Feature extraction,Stacked denoising auto-encoder
基金项目:本文受军民共用重大研究计划联合基金项目(U1435218),国家自然科学基金项目(61374179)资助
作者单位
任俊 国防大学信息作战与指挥训练教研部 北京100091
航天飞行器生存技术与效能评估实验室 北京100091 
胡晓峰 国防大学信息作战与指挥训练教研部 北京100091 
李宁 国防大学信息作战与指挥训练教研部 北京100091 
摘要点击次数: 531
全文下载次数: 399
中文摘要:
      为了解决大数据时代下小样本数据预测精度不高的问题,提出一种基于堆栈降噪自编码(SDA)与支持向量回归机(SVR)的混合模型。该方法采用源域大样本数据对堆栈降噪自编码和支持向量回归机混合模型进行迁移预训练,再利用目标域小样本数据微调混合模型。堆栈降噪自编码器具有良好的通用深层特征自主抽取能力,能够发掘源领域与目标领域相似任务间的共有特征知识,该知识能够辅助支持向量回归机在高维噪声小样本数据集上的预测。在多种数据集上的实验结果证明了该方法的有效性。
英文摘要:
      To improve the prediction accuracy of small sample in the era of big data,this paper introduced a novel hybrid model based on stacked denoising auto-encoder(SDA) and support vector regression (SVR).The hybrid model is pretrained by using a large number of source domain data,and then it is fine-tuned by a small amount of target domain data.The method takes the advantage of SDA,extracting common features autonomously on related but different target domain data.By transferring these prior knowledge,the hybrid model can provide a relatively accurate prediction result on high-dimensional and noisy small sample.Experimental results on extensive datasets demonstrate the effectiveness of the proposed model.
查看全文  查看/发表评论  下载PDF阅读器