对不平衡数据的多源在线迁移学习算法.pdfVIP

计算机科学与探索1673-9418/2023/17(03)-0687-14

JournalofFrontiersofComputerScienceandTechnologydoi:10.3778/j.issn.1673-9418.2106049

对不平衡数据的多源在线迁移学习算法

+

周晶雨，王士同

江南大学人工智能与计算机学院,江苏无锡214122

+通信作者E-mail:6191611054@

摘要：多源在线迁移学习利用多个源域的标记数据来增强目标域的分类性能，针对不平衡的数据集，提出一

种可以在源域和目标域的特征空间中过采样的多源在线迁移学习算法。该算法包含两部分：对多个源域过采

样和对在线的目标域过采样。对源域过采样阶段，在支持向量机（SVM）的特征空间中过采样来生成少数类样

本，新的样本是通过在源域特征空间中的邻域信息来扩增原始的Gram矩阵得到的。对在线的目标域过采样

阶段，目标域的样本分批次到达，当前批次的少数类样本从前面已经到达的多个批次中寻找特征空间中的k