文献类型：期刊文章

作　　者：任俊[1,2] 胡晓峰[1] 李宁[1]

机构地区：[1]国防大学信息作战与指挥训练教研部,北京100091 [2]航天飞行器生存技术与效能评估实验室,北京100091

出　　处：《计算机科学》

基　　金：军民共用重大研究计划联合基金项目(U1435218);国家自然科学基金项目(61374179)资助

年　　份：2018

卷　　号：45

期　　号：1

起止页码：280-284

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSCD、CSCD_E2017_2018、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：为了解决大数据时代下小样本数据预测精度不高的问题,提出一种基于堆栈降噪自编码(SDA)与支持向量回归机(SVR)的混合模型。该方法采用源域大样本数据对堆栈降噪自编码和支持向量回归机混合模型进行迁移预训练,再利用目标域小样本数据微调混合模型。堆栈降噪自编码器具有良好的通用深层特征自主抽取能力,能够发掘源领域与目标领域相似任务间的共有特征知识,该知识能够辅助支持向量回归机在高维噪声小样本数据集上的预测。在多种数据集上的实验结果证明了该方法的有效性。

关 键 词：迁移学习  特征提取 堆栈降噪自编码  

分 类 号：TP181]