论文部分内容阅读
传统的回归系统构建方法假设用于建模的数据是充分的，但若当前场景中重要数据信息缺失，则基于此数据集训练所得系统泛化能力较差。针对此缺陷，以支持向量回归机（SVR）为基础，提出了具有迁移学习能力的回归机系统，即迁移学习支持向量回归机（T-SVR）。T-SVR不仅能充分利用当前场景的数据信息，而且能有效地利用历史知识来学习，具有通过迁移历史场景知识来弥补当前场景信息缺失的能力。具体地，通过控制目标函数中当前模型与历史模型的相似性，使当前模型能在信息缺失和不足时从历史场景中得到有益信息，得到增强的当前场景模型。在