基于决策树局部相似性的多源在线迁移学习

秦一休1陆小霞2

1.广州华夏职业学院; 2.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.

关键词：在线学习、单源迁移、多源在线迁移学习

所属期刊栏目：32

分类号：TP311.13(计算技术、计算机技术)

在线出版日期：2020-07-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：54-56