科研之友
微信
新浪微博
Facebook
分享链接
摘要
本发明公开了基于在线和离线决策集成学习的在线异构迁移学习的方法。所述方法包括：初始化离线和在线决策模型的相关参数。对于在线每次得到的新目标数据,结合已有的源域数据和关联源域和目标域数据的共现数据,分别计算源域数据和共现数据、目标域数据和共现数据的皮尔森相关系数,以此得到异构的源域数据和目标域数据的相似性；然后对于每次迭代的目标域数据,选取与其最相似的k个源域数据,基于它们构建对目标数据的离线决策模型；而在线模型只用依次得到的目标数据构建简单的线性决策模型。最后对在线和离线模型进行组合,通过预测目标数据计算损失函数更新决策模型,并对每次得到的在线目标数据循环上述做法。本发明能够很好的对动态在线的数据进行预测。
- 单位
