文献类型：期刊文章

作　　者：许敏[1,2] 王士同[1] 顾鑫[1,3] 俞林[2]

机构地区：[1]江南大学数字媒体学院,江苏无锡214122 [2]无锡职业技术学院电子与信息技术学院,江苏无锡214121 [3]无锡北方湖光光电有限公司研发部,江苏无锡214035

出　　处：《控制与决策》

基　　金：国家自然科学基金项目(60903100;60975027;61170122);江苏省研究生创新工程项目(CXZZ12-0759)

年　　份：2013

卷　　号：28

期　　号：1

起止页码：125-130

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20131016087399)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

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.

关 键 词：领域自适应 压缩集密度估计  最小包含球  核心集  

分 类 号：TP391.4]