一种新颖的领域自适应概率密度估计器.pdfVIP

第 １０卷第２期　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．１０ №．２ ２０１５年４月　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 　 　 Ａｐｒ． ２０１５ ＤＯＩ：１０．３９６９／ ｊ．ｉｓｓｎ．１６７３⁃４７８５．２０１３１２０４１ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１５３８．ＴＰ１０２５．００２．ｈｔｍｌ 一种新颖的领域自适应概率密度估计器 １，２ ２ 许敏 ，俞林 （１．江南大学数字媒体学院，江苏无锡 ２１４１２２；２． 无锡职业技术学院物联网技术学院，江苏无锡 ２１４１２１） 摘　 要：传统概率密度估计法建立好密度估计模型后，无法将源域知识传递给相关目标域密度估计模型。 提出用无 偏置ｖ⁃ＳＶＲ的回归函数来表示传统概率密度估计法获得密度估计信息，并说明无偏置ｖ⁃ＳＶＲ等价于中心约束最小 包含球及概率密度回归函数可由中心约束最小包含球中心点表示。 在上述理论基础上提出中心点知识传递领域自 适应概率密度估计法，用于解决因目标域信息不足而无法建立概率密度函数的场景。 实验表明，此种领域自适应方 法进行领域间知识传递的同时，还能达到源域隐私保护的目的。 关键词：概率密度函数；无偏置ｖ⁃ＳＶＲ ；中心约束最小包含球；核心集；领域自适应 中图分类号：ＴＰ３９１．４ 　 文献标志码：Ａ　 文章编号：１６７３⁃４７８５（２０１５）０２⁃０２２１⁃０６ 中文引用格式：许敏，俞林． 一种新颖的领域自适应概率密度估计器［Ｊ］． 智能系统学报，２０１５，１０（２）：２２１⁃２２６． 英文引用格式：ＸＵ Ｍｉｎ，ＹＵＬｉｎ． Ａ ｐｒｏｂａｂｉｌｉｔｙ ｄｅｎｓｉｔｙ ｅｓｔｉｍａｔｏｒｆｏｒｄｏｍａｉｎ ａｄａｐｔａｔｉｏｎ［Ｊ］． ＣＡＡＩ ＴｒａｎｓａｃｔｉｏｎｓｏｎＩｎｔｅｌｌｉｇｅｎｔ Ｓｙｓ⁃ ｔｅｍｓ，２０１５，１０（２）：２２１⁃２２６． Ａ ｐｒｏｂａｂｉｌｉｔｙ ｄｅｎｓｉｔｙ ｅｓｔｉｍａｔｏｒ ｆｏｒ ｄｏｍａｉｎ ａｄａｐｔａｔｉｏｎ １，２ ２ ＸＵ Ｍｉｎ ，ＹＵ Ｌｉｎ （１． Ｓｃｈｏｏｌ ｏｆ Ｄｉｇｉｔａｌ Ｍｅｄｉａ，Ｊｉａｎｇｎａｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｗｕｘｉ２１４１２２，Ｃｈｉｎａ；２． Ｓｃｈｏｏｌ ｏｆ Ｉｎｔｅｒｎｅｔ ｏｆＴｈｉｎｇｓＴｅｃｈｎｏｌｏｇｙ，ＷｕｘｉＩｎｓｔｉｔｕｔｅｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｘｉ ２１４１２１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｓ ｔｈａｔ ｔｈｅ ｄｅｎｓｉｔｙ ｉｎｆｏｒｍａｔｉｏｎ ｒｅｃｅｉｖｅｄ ｆｒｏｍ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｐｒｏｂａｂｉｌｉｔｙ ｄｅｎｓｉｔｙ ｅｓｔｉｍａ⁃ ｔｉｏｎ ｍｅｔｈｏｄ ｃａｎ ｂｅ ｒｅｐｒｅｓｅｎｔｅｄ ｂｙ ｎｏ ｂｉａｓｖ⁃ＳＶＲｒｅｇｒｅｓｓｉｏｎ ｆｕｎｃｔｉｏｎ． Ｉｔ ａｄｄｒｅｓｓｅｓｔｈｅ ｐｒｏｂｌｅｍ ｔｈａｔ ａｆｔｅｒ ｔｈｅ ｓｏｕｒｃｅ ｄｏｍａｉｎ＇ｓ ｐｒｏｂａｂｉｌｉｔｙ ｄｅｎｓｉｔｙ ｅｓｔｉｍａｔｉｏｎ ｍｏｄｅｌ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ ｕｓｉｎｇ ｔｈｅ ｔｒａｄｉｔｉｏｎａｌ ｐｒｏｂａｂｉｌｉｔｙ ｄｅｎｓｉｔｙ ｅｓｔｉｍａｔｉｏｎ ｍｅｔｈｏｄ ｉｔｓ ｓｏｕｒｃｅ ｄｏｍａｉｎｋｎｏｗｌｅｄｇｅｃａｎｎｏｔｂｅｔｒａｎｓｆｅｒｒｅｄｔｏｔｈｅｒｅｌｅｖａｎｔｔａｒｇｅｔｄｏｍａｉｎ＇ｓｄｅｎｓｉｔｙ ｅｓｔｉｍａｔｉｏｎｍｏｄｅｌ． Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｎｏ ｂｉａｓｖ⁃ＳＶＲｉｓ ｅｑｕｉｖａｌｅｎｔ ｔｏ ｔｈｅ ｃｅｎｔｅｒ⁃ｃｏｎｓｔｒａｉｎｅｄ ｍｉｎｉｍｕｍ ｅｎ