基于RSDE的领域自适应概率密度估计方法

作者：许敏; 王士同; 顾鑫; 俞林

来源：控制与决策, 2013, (01): 125-130.

DOI：10.13195/j.cd.2013.01.128.xum.017

• 领域自适应
• 压缩集密度估计
• 最小包含球
• 核心集 domain adaption
• reduced set density estimator
• minimum enclosing ball
• core-sets

同一应用领域不同时间、地点或设备,采集的样本数据可能存在扰动、噪音或缺失,如何对样本数据集进行有效的预处理是其进一步应用的前提.针对上述问题,提出一种新的基于压缩集密度估计(RSDE)算法的领域自适应概率密度估计方法A-RSDE,通过学习源域(训练域)知识,使目标域(测试域)概率密度估计更接近真实概率密度分布,并用基于近似最小包含球的核心集快速算法求解A-RSDE,将其应用于大数据集密度估计.Benchmark和UCI数据集上的实验表明,该算法具有较好的性能.

• 单位
  无锡职业技术学院; 江南大学