基于RSDE 的领域自适应概率密度估计方法
DOI:
CSTR:
作者:
作者单位:

江南大学

作者简介:

许敏

通讯作者:

中图分类号:

基金项目:

国家自然科学基金:基于供应链低碳化的企业行为与运营优化决策研究


Density estimation based on RSDE for domain adaption
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    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.

    Abstract:

    Sample datasets are often collected from different times, places or devices. Due to the existence of the disturbance,
    noise and missing data, the collected datasets can not always keep the same distribution, and can even sometimes be required
    to concentrate them to reduce the computational burden, which can do the domain adaptation as the preprocessing step
    for the sample dataset before being fed into the next step. In order to achieve the above goal, a novel adaptive reduced set
    density estimator(A-RSDE) is proposed for adaptive probability density estimation by making full use of the source domain’s
    (training dataset) knowledge of the probability density distribution, which lets the target domain’s (testing dataset) probability
    density estimation be closer to the true probability density distribution. Meanwhile, the fast core-sets based minimum
    enclosing ball(MEB) approximation algorithm is introduced to develop the proposed algorithm. Finally, the experiment
    on the benchmark data sets and UCI data sets show that the proposed method has better performance.

    参考文献
    相似文献
    引证文献
引用本文

许敏, 王士同, 顾鑫,等.基于RSDE 的领域自适应概率密度估计方法[J].控制与决策,2013,28(1):125-130

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2011-06-30
  • 最后修改日期:2011-10-09
  • 录用日期:
  • 在线发布日期: 2013-01-20
  • 出版日期:
文章二维码