迁移极限学习机及其在域自适应问题的应用

摘要

基于极限学习机理论,提出1种针对域迁移问题的改进型极限学习机算法（domain transfer extreme learning machine,DTELM）,在减小源域S和目标域T的分布距离的同时,利用自编码器原理,尽可能多地保留目标域的原始数据结构,使其数据可分性不受破坏,从而能够有效地解决域自适应的数据分类问题。通过在真实数据集上的实验,将所提算法与已有的域自适应算法比较,验证了其有效性。