迁移学习
小橘子的AC之旅
越努力越幸运~~
展开
-
SVM之libsvm中svmtrain的参数和返回值
libsvm中svmtrain的参数和返回值https://blog.csdn.net/Cheese_pop/article/details/61200530?locationNum=1&fps=1原创 2020-06-02 10:21:15 · 1131 阅读 · 0 评论 -
脑电(EEG)相关
一些数据集1、EEG预测酗酒倾向的数据集http://archive.ics.uci.edu/ml/datasets/EEG+Database2、EEG预测眼状态的数据集http://archive.ics.uci.edu/ml/datasets/EEG+Eye+State3、基于EEG信号的情绪分析数据库DEAP论文调研https://blog.csdn.net/qrlhl/article/details/721282154、EEG / ERP data available for fre.转载 2020-05-15 09:22:27 · 909 阅读 · 0 评论 -
迁移学习之TCA算法
TCA(迁移成分分析):TCA算法解决的问题:和PCA算法有点像,可以实现降维,两个高维的大矩阵(源域和目标域矩阵)进去,得到两个低维的矩阵(降维后的源域和目标域矩阵)。TCA可以将分布不同的源域和目标域数据映射到高维再生核希尔伯特空间中,然后不断缩小源域和目标域的距离并最大程度的保留其内部属性。TCA如何进行迁移:寻找一个特征映射,使得映射后的数据分布源域和目标域概率密度相等,并且条件概率密度也相等。由于迁移学习的本质是最小化源域和目标域的距离,因此TCA利用到了MMD(最大均值差异)算法来衡量源域和原创 2020-05-12 12:45:38 · 7690 阅读 · 11 评论 -
迁移学习之MMD距离
MMD(最大均值差异)最大均值差异算法是用来衡量两个样本是否是来自同分布。在迁移学习中,MMD作为一种常用的度量准则,衡量源域和目标域之间的相似性。MMD用来计算源域和目标域投影后的均值差异。MMD的推导过程如下:MMD算法作为一种度量准则,常应用于TCA(迁移成分分析)算法,JDA等。...原创 2020-05-12 12:31:18 · 6592 阅读 · 4 评论