一种基于跨领域典型相关性分析的迁移学习方法

《一种基于跨领域典型相关性分析的迁移学习方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第３８卷第７期计算机学报Ｖｏｌ．３８Ｎｏ．７２０１５年７月ＣＨＩＮＥＳＥＪＯＵＲＮＡＬＯＦＣＯＭＰＵＴＥＲＳＪｕｌｙ２０１５一种基于跨领域典型相关性分析的迁移学习方法张博１），２），３）１）１）１），３）史忠植赵晓非张建华１）（中国科学院计算技术研究所智能信息处理重点实验室北京１００１９０）２）（中国矿业大学计算机科学与技术学院江苏徐州２２１１１６）３）（中国科学院大学北京１０００４９）摘要作为迁移学习的一个重要研究方向，基于特征映射的方法学习各领域特有特征与领域共享特征之间的相关性，通过一些相关特征减少领域之间的差异

2、，已经获得了广泛的关注和研究．典型相关性分析是一种用来分析两组随机变量之间相关性的统计分析工具．将典型相关性分析引入迁移学习，结合基于特征映射迁移学习的思路，提出了一种跨领域典型相关性分析算法．该算法在保持各领域特有特征与领域共享特征相关性的基础上，通过选择合适的基向量组合训练分类器，使降维后的相关特征在领域间具有相似的判别性．在２０Ｎｅｗｓｇｒｏｕｐｓ上８６４个分类问题以及多领域情感分析数据集上１２个分类问题的实验结果表明，跨领域典型相关性分析算法可以有效地提高跨领域迁移分类准确率．关键词迁移学习；典型相关性分析；跨

3、领域分类学习；领域自适应中图法分类号ＴＰ１８１犇犗犐号１０．１１８９７／ＳＰ．Ｊ．１０１６．２０１５．０１３２６犃犜狉犪狀狊犳犲狉犔犲犪狉狀犻狀犵犅犪狊犲犱狅狀犆犪狀狅狀犻犮犪犾犆狅狉狉犲犾犪狋犻狅狀犃狀犪犾狔狊犻狊犃犮狉狅狊狊犇犻犳犳犲狉犲狀狋犇狅犿犪犻狀狊１），２），３）１）１）１），３）ＺＨＡＮＧＢｏＳＨＩＺｈｏｎｇＺｈｉＺＨＡＯＸｉａｏＦｅｉＺＨＡＮＧＪｉａｎＨｕａ１）（犓犲狔犔犪犫狅狉犪狋狅狉狔狅犳犐狀狋犲犾犾犻犵犲狀狋犐狀犳狅狉犿犪狋犻狅狀犘狉狅犮犲狊狊犻狀犵，犐狀狊狋犻狋狌狋犲狅犳犆狅犿狆狌狋犻狀犵

4、犜犲犮犺狀狅犾狅犵狔，犆犺犻狀犲狊犲犃犮犪犱犲犿狔狅犳犛犮犻犲狀犮犲狊，犅犲犻犼犻狀犵１００１９０）２）（犛犮犺狅狅犾狅犳犆狅犿狆狌狋犲狉犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔，犆犺犻狀犪犝狀犻狏犲狉狊犻狋狔狅犳犕犻狀犻狀犵犪狀犱犜犲犮犺狀狅犾狅犵狔，犡狌狕犺狅狌，犑犻犪狀犵狊狌２２１１１６）３）（犝狀犻狏犲狉狊犻狋狔狅犳犆犺犻狀犲狊犲犃犮犪犱犲犿狔狅犳犛犮犻犲狀犮犲狊，犅犲犻犼犻狀犵１０００４９）犃犫狊狋狉犪犮狋Ａｓｏｎｅｏｆｔｈｅｍｏｓｔｉｍｐｏｒｔａｎｔｒｅｓｅａｒｃｈｄｉｒｅｃｔｉｏｎｓｏｆｔｒａｎｓｆｅｒｌ

5、ｅａｒｎｉｎｇ，ｆｅａｔｕｒｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｔｒａｎｓｆｅｒａｐｐｒｏａｃｈｅｓｆｏｃｕｓｏｎｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｂｒｉｄｇｅｆｅａｔｕｒｅｓａｎｄａｌｌｔｈｅｏｔｈｅｒｓｐｅｃｉｆｉｃｆｅａｔｕｒｅｓｆｒｏｍｄｉｆｆｅｒｅｎｔｄｏｍａｉｎｓａｎｄｒｅｄｕｃｅｔｈｅｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｔｈｅｄｏｍａｉｎｓｂｙｌｅａｒｎｉｎｇｓｏｍｅｒｅｌｅｖａｎｔｆｅａｔｕｒｅｓ，ｈａｖｅａｔｔｒａｃｔｅｄｗｉｄｅａｔｔｅｎｔｉｏｎａｎｄｓｔｕｄｙ．Ｃａｎｏｎｉｃａｌｃｏｒｒｅｌａ

6、ｔｉｏｎａｎａｌｙｓｉｓ（ＣＣＡ）ｉｓａｓｔａｔｉｓｔｉｃａｌａｎａｌｙｓｉｓｔｏｏｌ，ｕｓｅｄｔｏａｎａｌｙｚｅｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｔｗｏｓｅｔｓｏｆｒａｎｄｏｍｖａｒｉａｂｌｅｓ．ＢｙｉｎｔｒｏｄｕｃｉｎｇＣＣＡｔｏｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇ，ｔｈｉｓｐａｐｅｒｄｅｖｅｌｏｐｅｄａｃａｎｏｎｉｃａｌｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓａｃｒｏｓｓｄｉｆｆｅｒｅｎｔｄｏｍａｉｎｓｃａｌｌｅｄＣＣＡＤＤ（ＣａｎｏｎｉｃａｌＣｏｒｒｅｌａｔｉｏｎＡｎａｌｙｓｉｓａｃｒｏｓｓＤｉｆｆｅｒ

7、ｅｎｔＤｏｍａｉｎｓ），ｆｏｌｌｏｗｅｄｂｙｔｈｅｉｄｅａｏｆｆｅａｔｕｒｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｔｒａｎｓｆｅｒａｐｐｒｏａｃｈｅｓ．Ｕｎｄｅｒｔｈｅｐｒｅｍｉｓｅｏｆｍａｉｎｔａｉｎｉｎｇｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｂｒｉｄｇｅｆｅａｔｕｒｅｓａｃｒｏｓｓａｌｌｄｏｍａｉｎｓａｎｄｓｐｅｃｉｆｉｃｆｅａｔｕｒｅｓｆｒｏｍｄｉｆｆｅｒｅｎｔｄｏｍａｉｎｓｒｅｓｐｅｃｔｉｖｅｌｙ，ｔｈｉｓａｌｇｏｒｉｔｈｍｓｅｌｅｃｔｓａｎａｐｐｒｏｐｒｉａｔｅｃｏｍｂｉｎａｔｉｏｎｏｆｂａｓｉｓｖｅｃｔｏｒｓ

8、ｔｏｔｒａｉｎｔｈｅｃｌａｓｓｉｆｉｅｒ，ｉｎｗｈｉｃｈｔｈｅｐｒｏｊｅｃｔｅｄｒｅｌｅｖａｎｔｆｅａｔｕｒｅｓｈａｖｅｓｉｍｉｌａｒｄｉｓｃｒｉｍｉｎａｔｉｏｎ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｏｎｔｈｅ８６４ｃｌａｓｓｉｆｉｃａｔｉｏｎｐｒｏｂｌｅｍｓｉｎ２０Ｎｅｗｓｇｒｏｕｐｓ，ａｓｗｅｌｌａｓ１２ｃｌａｓｓｉｆｉｃ