不同分布多观测样本分类问题中,训练样本和测试样本来自不同的域,针对如何利用转换学习提高不同分布多观测样本分类性能问题,提出L1-Graph联合转换学习的多观测样本分类算法。首先基于转换学习构建一种非负矩阵三因子分解框架,将其中不变信息作为源域到目标域的转换桥梁;其次,基于稀疏表示思路构造L1-Graph,自适应寻找数据近 ...
/dl/207329.html
标签：
l1
graph
转换
学习
模型
观测
样本
分类
算法适应
多观测样本分类
上传时间：
2021-08-20
上传用户：chenpeng
