基于线性判别分析的迁移学习  

作　　者：车志勇 

机构地区：[1]广东工业大学自动化学院

出　　处：《电子世界》2019年第6期19-20,23,共3页Electronics World

摘　　要：在进行迁移学习之前,特征提取是一个重要的步骤。直到目前,特征提取的方法已经被广泛应用在回归学习,聚类学习和分类。这篇文章提出了一个新颖的基于线性判别分析的迁移学习方法,此方法分两步完成。首先,我们映射源域数据进入一个空间,从而把源域数据分离。接着,我们计算类内的和类间的平均值和离散度来获得最佳投影方向。通过广泛的实验调查,结果表明TL-FDA表现良好比经典的特征提取方法更好。

关 键 词：线性判别分析 迁移 特征提取 聚类学习 学习方法 数据分离 投影方向 离散度 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]