Inductive transfer learning for unlabeled target-domain via hybrid regularization
Zhuang, Fuzhen, Luo -, Ping Ping, He, Qing Qing, Shi, Zhongzhi · 中国科学通报：英文版 · 2009
最近的年在转移学习见证增加的兴趣。这篇论文处理有从来源域的不同分布的目标域完全是未标记的分类问题，并且试图为未看见的数据造一个引入的模型。第一，我们在 transductive 转移学习的以前的工作分析班比率飘移的问题，并且建议使用一个正规化方法向需要的班比率移动。而且，我们为引入的转移学习开发一个混合规则化框架。它考虑三个因素，包括目标域由的分发几何学歧管规则化，由熵规则化的预言概率的熵价值，和由期望规则化优先的班。这个框架被用来使从来源域学习到目标域的引入的模特儿适应。最后，真实世界的文本数据的实验显示出我们转移学习的归纳方法的有效性。同时，它能处理未看见的测试点。增补材料为在 10.1007/s11434-009-0171-x 的这篇文章是可得到的并且为授权的用户是可存取的。