版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、訓(xùn)練與測(cè)試數(shù)據(jù)在傳統(tǒng)的機(jī)器學(xué)習(xí)中通常滿足同分布,但實(shí)際應(yīng)用中,滿足同分布條件的訓(xùn)練樣本往往相當(dāng)缺乏。怎樣有效地利用與測(cè)試數(shù)據(jù)非同分布的訓(xùn)練數(shù)據(jù)是需要解決的問(wèn)題,恰好利用遷移學(xué)習(xí)解決。遷移學(xué)習(xí)的目的是借助來(lái)自其他領(lǐng)域的,不滿足數(shù)據(jù)同分布的訓(xùn)練樣本,幫助目標(biāo)領(lǐng)域建立分類模型。另外,遷移學(xué)習(xí)方法的分類效果在很大程度上依賴源領(lǐng)域,例如,源領(lǐng)域的個(gè)數(shù)以及源領(lǐng)域與目標(biāo)領(lǐng)域之間的可遷移性等。
本文研究了用來(lái)表示多元關(guān)系的超圖,在多個(gè)源領(lǐng)域?qū)?/p>
2、目標(biāo)領(lǐng)域樣本多標(biāo)簽化的基礎(chǔ)上,構(gòu)建了樣本標(biāo)簽關(guān)系超圖,捕獲了共享相同標(biāo)簽的多個(gè)樣本之間的關(guān)系,給出了分類模型。利用超圖的拉普拉斯擴(kuò)展進(jìn)一步細(xì)化了該預(yù)測(cè)模型,通過(guò)最小二乘法的技術(shù)求解。實(shí)驗(yàn)表明,該算法在分類性能和時(shí)間效率上具有明顯的優(yōu)勢(shì)。
針對(duì)遷移學(xué)習(xí)中目標(biāo)領(lǐng)域標(biāo)記樣本較少的問(wèn)題,本文給出了半監(jiān)督學(xué)習(xí)中的助學(xué)習(xí)與多源遷移學(xué)習(xí)融合的算法。該算法利用了助學(xué)習(xí)方法中對(duì)樣本進(jìn)行兩次選擇的特點(diǎn),對(duì)每個(gè)源領(lǐng)域中的樣本進(jìn)行了兩次選擇。第一次根
3、據(jù)分類一致性以及遷移性能,第二次根據(jù)樣本在分類器下的類別概率,選擇類別概率較高的樣本加入到目標(biāo)領(lǐng)域帶標(biāo)記的數(shù)據(jù)集中,即,從每個(gè)源領(lǐng)域中選擇符合條件的樣本加入到有標(biāo)記的目標(biāo)領(lǐng)域。實(shí)驗(yàn)表明,Help-MITL算法在目標(biāo)領(lǐng)域訓(xùn)練比例較小時(shí),仍有較高的分類性能。
研究了用來(lái)解決標(biāo)記樣本稀缺的主動(dòng)學(xué)習(xí)及其學(xué)習(xí)方法,設(shè)計(jì)了基于主動(dòng)學(xué)習(xí)的多源遷移算法。該算法分成兩部分來(lái)考慮,第一部分從每個(gè)源領(lǐng)域中遷移樣本,依據(jù)源領(lǐng)域訓(xùn)練的模型和帶標(biāo)記的目標(biāo)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于單源及多源的遷移學(xué)習(xí)方法研究.pdf
- 基于終身學(xué)習(xí)Agent的多源遷移算法研究.pdf
- 改進(jìn)的多源域多視角遷移算法研究.pdf
- 基于多潛在空間的遷移學(xué)習(xí)算法研究.pdf
- 基于樣本加權(quán)的多示例多標(biāo)記遷移學(xué)習(xí)方法研究.pdf
- 基于樣本差異的多標(biāo)簽遷移學(xué)習(xí).pdf
- 基于空間信息和遷移學(xué)習(xí)的圖像多標(biāo)記算法研究.pdf
- 面向多領(lǐng)域的異構(gòu)關(guān)系數(shù)據(jù)遷移學(xué)習(xí)界限研究.pdf
- 基于空間信息和遷移學(xué)習(xí)的圖像多標(biāo)記算法研究
- 基于遷移學(xué)習(xí)的多模態(tài)腦圖像分析及其應(yīng)用研究.pdf
- 面向多源圖像數(shù)據(jù)的多任務(wù)學(xué)習(xí)方法的研究.pdf
- 遷移學(xué)習(xí)及其在多電商交叉推薦中的應(yīng)用研究.pdf
- 序列模型中的遷移學(xué)習(xí)研究.pdf
- 基于遷移學(xué)習(xí)的小樣本深度學(xué)習(xí)研究.pdf
- 基于實(shí)例的遷移學(xué)習(xí)算法研究.pdf
- 學(xué)習(xí)遷移
- 29201.基于遷移學(xué)習(xí)的多類物體識(shí)別與檢測(cè)
- 基于機(jī)器學(xué)習(xí)的多源異構(gòu)大數(shù)據(jù)清洗技術(shù)研究.pdf
- 多源圖像融合的研究.pdf
- 基于遷移學(xué)習(xí)的濕式球磨機(jī)多工況負(fù)荷參數(shù)軟測(cè)量.pdf
評(píng)論
0/150
提交評(píng)論