本文選題：遷移學習　切入點：權(quán)值回補　出處：《計算機工程與設(shè)計》2017年12期 　論文類型：期刊論文

【摘要】：為提高Tradaboost遷移學習的適應(yīng)性,研究目標領(lǐng)域和源領(lǐng)域的樣本權(quán)值。考慮目標域和源域間的樣本權(quán)值差距偏大、負遷移明顯的缺陷,提出一種RCTRA算法。增加源領(lǐng)域樣本權(quán)值回補參數(shù),利用動態(tài)冗余數(shù)據(jù)裁剪算法,小于初始權(quán)值的源域樣本不可選,在可選數(shù)據(jù)中動態(tài)剔除權(quán)值小于設(shè)定閾值的數(shù)據(jù)。通過測試青榮城際高速鐵路、青威客車客流數(shù)據(jù)進行驗證,實驗結(jié)果表明,RCTRA算法較傳統(tǒng)遷移學習算法具有更好的有效性和魯棒性。
[Abstract]:In order to improve the adaptability of Tradaboost transfer learning, the sample weights of target domain and source domain are studied. This paper presents a RCTRA algorithm, which increases the weight compensation parameters of source domain samples, and uses dynamic redundant data clipping algorithm. The source domain samples less than the initial weight are not optional. In the optional data, the data whose weights are less than the set threshold are dynamically eliminated. The data of passenger flow of Qingwei bus are verified by testing the Qingrong Intercity High-speed Railway. Experimental results show that the RCTRA algorithm is more effective and robust than the traditional migration learning algorithm.
【作者單位】： 山東管理學院機電學院;
【基金】：國家社科基金項目(16BGL181) 山東省統(tǒng)計科研重點課題基金項目(KT16086) 山東省高等學校教學改革基金項目(2015M119) 山東省社科規(guī)劃基金項目(14CGLJ25) 山東省高�？蒲邪l(fā)展計劃基金項目(J14LN17)
【分類號】：TP181

【相似文獻】

相關(guān)期刊論文 前10條

1 曹金保;;人工蜂群算法研究綜述[J];電子設(shè)計工程;2013年23期

2 劉江華;戴新喜;白似雪;;基于模式矩陣的P_Matrix算法[J];南昌大學學報(理科版);2007年05期

3 陳煥文,謝麗娟,謝建平;一類值函數(shù)激勵學習的遺忘算法[J];計算機研究與發(fā)展;2001年04期

4 杜榮華;姚剛;吳泉源;;蟻群算法在移動Agent遷移中的應(yīng)用研究[J];計算機研究與發(fā)展;2007年02期

5 殷萇茗,陳煥文,謝麗娟;激勵學習的廣義平均算法及其收斂性[J];計算機工程與應(yīng)用;2002年20期

6 段海濱;王道波;于秀芬;;蟻群算法的研究現(xiàn)狀及其展望[J];中國工程科學;2007年02期

7 鄭松;侯迪波;周澤魁;;動態(tài)調(diào)整選擇策略的改進蟻群算法[J];控制與決策;2008年02期

8 馬知也;施秋紅;;貓群算法研究綜述[J];甘肅廣播電視大學學報;2014年02期

9 李娜;雷秀娟;;細菌覓食優(yōu)化算法的研究進展[J];計算機技術(shù)與發(fā)展;2014年08期

10 拓守恒;;一種基于人工蜂群的高維非線性優(yōu)化算法[J];微電子學與計算機;2012年07期

相關(guān)博士學位論文 前9條

1 柏靜;基于多種混合策略的人工蜂群算法改進研究[D];山東師范大學;2016年

2 孔翔宇;幾類優(yōu)化問題的人工蜂群算法[D];西安電子科技大學;2016年

3 邱劍鋒;人工蜂群算法的改進方法與收斂性理論的研究[D];安徽大學;2014年

4 寇曉麗;群智能算法及其應(yīng)用研究[D];西安電子科技大學;2009年

5 吳擎;基于模式搜索的類電磁機制算法研究與應(yīng)用[D];華中科技大學;2013年

6 寧愛平;人工蜂群算法及其在語音識別中的應(yīng)用研究[D];太原理工大學;2013年

7 趙晶;量子行為粒子群優(yōu)化算法及其應(yīng)用中的若干問題研究[D];江南大學;2013年

8 王玨;生物地理學優(yōu)化算法的研究及應(yīng)用[D];哈爾濱工程大學;2013年

9 馬穎;基于量子計算理論的優(yōu)化算法研究[D];西北工業(yè)大學;2014年

相關(guān)碩士學位論文 前10條

1 張路奇;基于改進蟻群算法的WSN路由協(xié)議的研究[D];中國地質(zhì)大學(北京);2015年

2 王曉晨;入侵雜草優(yōu)化算法的應(yīng)用與改進[D];長安大學;2015年

3 叢玲;改進的粒子群優(yōu)化算法應(yīng)用于解決漏氣檢測問題的算法與仿真[D];山東師范大學;2015年

4 陳煒;雙正則最大間隔規(guī)劃算法研究[D];浙江大學;2015年

5 張彪;基于和聲優(yōu)化算法的研究與應(yīng)用[D];聊城大學;2015年

6 陸民迪;果蠅優(yōu)化算法改進與分析研究[D];廣西大學;2015年

7 李志南;教與學優(yōu)化算法的改進及應(yīng)用研究[D];新疆大學;2015年

8 鐘午;蜂擁算法及其在移動傳感器網(wǎng)絡(luò)中的應(yīng)用[D];電子科技大學;2014年

9 賴智銘;蟻群算法在路徑規(guī)劃中的應(yīng)用研究[D];福建師范大學;2014年

10 柴鷹;面向異質(zhì)媒體的網(wǎng)絡(luò)事件發(fā)現(xiàn)算法研究[D];北京工業(yè)大學;2015年

，

本文編號：1613076