面向共享数据的迁移组概率学习机

<p>为了解决机器学习中的主观信息缺失问题, 提出一种新的面向共享数据的迁移组概率学习机(TGPLM-CD). 该方法基于结构风险最小化模型, 将源领域所含知识和目标领域的类标签组概率信息, 特别是领域间的共享数据纳入学习框架中, 实现了源领域和目标领域的知识迁移, 在待研究领域数据信息不足的情况下提高了分类精确度. 大量数据集上的实验结果验证了所提出方法的有效性.</p>