本文選題：遷移學(xué)習(xí) + 多源域遷移�。� 參考：《計(jì)算機(jī)應(yīng)用研究》2017年02期

【摘要】：針對(duì)傳統(tǒng)機(jī)器學(xué)習(xí)要求訓(xùn)練樣本和測(cè)試樣本具有相同分布的假設(shè)在實(shí)際應(yīng)用中難以滿足的問題,進(jìn)行了遷移學(xué)習(xí)的研究。當(dāng)源域與目標(biāo)域的相關(guān)性較小時(shí),粗暴式地強(qiáng)制性遷移不僅不能促進(jìn)目標(biāo)域?qū)W習(xí),甚至?xí)档蛯W(xué)習(xí)性能,即出現(xiàn)負(fù)遷移問題。為此,提出了一種基于多重相似性的多源域遷移學(xué)習(xí)方法。該方法首先從域—域和樣本—域兩個(gè)層面來更加準(zhǔn)確地衡量目標(biāo)域與多個(gè)源域的相關(guān)性;然后根據(jù)目標(biāo)域分類器與相關(guān)源域分類器對(duì)目標(biāo)域無標(biāo)記樣本具有相似決策值的平滑性流形假設(shè),實(shí)現(xiàn)源域知識(shí)向目標(biāo)域遷移的目的。在公共數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明,所提出的遷移學(xué)習(xí)方法不僅能夠從多個(gè)不同源域中挖掘更多的知識(shí)用于目標(biāo)域?qū)W習(xí),而且能夠根據(jù)域間相似性有選擇地進(jìn)行遷移,可以有效地避免負(fù)遷移問題。
[Abstract]:In order to solve the problem that the traditional machine learning requires the same distribution of training samples and test samples, the transfer learning is studied. When the correlation between the source domain and the target domain is small, the rough mandatory transfer not only can not promote the learning of the target domain, but will even reduce the learning performance, that is, the problem of negative transfer occurs. Therefore, a multi-source domain transfer learning method based on multiple similarity is proposed. The method firstly measures the correlation between target domain and multiple source domains more accurately from two aspects: domain domain and sample domain. Then, according to the smooth manifold hypothesis that the target domain classifier and the correlation source domain classifier have similar decision value to the target domain unlabeled sample, the goal of knowledge migration from the source domain to the target domain is realized. Experimental results on common data sets show that the proposed transfer learning method can not only mine more knowledge from multiple different domains for target domain learning, but also selectively migrate according to the similarity between domains. The problem of negative migration can be avoided effectively.
【作者單位】： 電子工程學(xué)院;安徽省電子制約技術(shù)重點(diǎn)實(shí)驗(yàn)室;
【基金】：國家“863”計(jì)劃資助項(xiàng)目 安徽省自然科學(xué)基金資助項(xiàng)目(1308085QF99,1408085MKL46)
【分類號(hào)】：TP181

【相似文獻(xiàn)】

相關(guān)會(huì)議論文 前1條

1 周海波;;源域、目標(biāo)域間語義網(wǎng)絡(luò)距離對(duì)隱喻加工的影響[A];第十五屆全國心理學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

相關(guān)博士學(xué)位論文 前3條

1 劉揚(yáng)錦;漢語詞匯隱喻的認(rèn)知研究[D];山東大學(xué);2007年

2 王晗;基于遷移學(xué)習(xí)的視頻標(biāo)注方法[D];北京理工大學(xué);2014年

3 徐慈華;選擇與適應(yīng)[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前7條

1 陳秋芳;英以天氣為源域的隱喻對(duì)比研究[D];福建師范大學(xué);2015年

2 張登峰;多源域遷移下的事件視頻標(biāo)注方法[D];北京理工大學(xué);2016年

3 郝明惠;漢語女性諺語認(rèn)知研究[D];大連外國語大學(xué);2016年

4 劉桂峰;改進(jìn)的多源域多視角遷移算法研究[D];青島大學(xué);2016年

5 鄧瑞品;隱喻的地域特色[D];南昌大學(xué);2008年

6 高竹;隱喻視角下的歇后語研究[D];東北師范大學(xué);2010年

7 董凱文;漢語生肖類慣用語的隱喻研究[D];東北師范大學(xué);2015年

，

本文編號(hào)：1845524