多任務(wù)學(xué)習(xí)（Multi-task Learning,MTL）是一種很有前景機(jī)器學(xué)習(xí)方法,通過利用多個(gè)相關(guān)任務(wù)的共享信息來提高每個(gè)任務(wù)的表現(xiàn)。在大數(shù)據(jù)時(shí)代下,存在許多相關(guān)的學(xué)習(xí)任務(wù),而通常我們只會(huì)對(duì)單個(gè)任務(wù)進(jìn)行處理,忽略了任務(wù)之間的共享信息,MTL算法致力于解決相關(guān)任務(wù)的信息共享問題。本文中針對(duì)兩個(gè)問題研究。第一,已有的MTL算法大部分針對(duì)的是同構(gòu)多任務(wù)學(xué)習(xí),即假設(shè)多個(gè)任務(wù)具有相同的特征表示,然而,該假設(shè)并不適用大多數(shù)實(shí)際問題。第二,不同的任務(wù)一起訓(xùn)練會(huì)有不同的效果,任務(wù)分組問題是多任務(wù)學(xué)習(xí)中的一個(gè)研究熱點(diǎn),CFSFDP聚類算法可以用于解決任務(wù)分組問題,但該算法復(fù)雜度過高,很難應(yīng)用于實(shí)際。具體研究?jī)?nèi)容如下所示:首先,針對(duì)異構(gòu)多任務(wù)學(xué)習(xí)問題,提出MTNMF算法的改進(jìn)算法IMTNMF。MTNMF算法假設(shè)多個(gè)任務(wù)具有相同語義輸出空間,即每個(gè)任務(wù)的類別標(biāo)簽相同或者大部分重合。對(duì)于每個(gè)任務(wù)構(gòu)造二部圖來描述樣本和類別之間的關(guān)聯(lián),通過標(biāo)簽層構(gòu)建多個(gè)任務(wù)之間的聯(lián)系。然后,通過多任務(wù)非負(fù)矩陣分解的方法（MTNMF）來學(xué)習(xí)多任務(wù)共享的隱含語義空間,并在訓(xùn)練過程中加入無標(biāo)簽樣本信息,最終將問題轉(zhuǎn)化為多任務(wù)多視... 

【文章來源】：燕山大學(xué)河北省

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 研究的主要問題
    1.3 本文的主要貢獻(xiàn)
    1.4 論文的組織結(jié)構(gòu)
第2章 多任務(wù)學(xué)習(xí)相關(guān)研究現(xiàn)狀
    2.1 多任務(wù)學(xué)習(xí)概述
    2.2 基于特征多任務(wù)學(xué)習(xí)算法
        2.2.1 特征變換多任務(wù)學(xué)習(xí)算法
        2.2.2 特征選擇多任務(wù)學(xué)習(xí)算法
        2.2.3 基于深度學(xué)習(xí)多任務(wù)學(xué)習(xí)算法
    2.3 基于參數(shù)多任務(wù)學(xué)習(xí)算法
        2.3.1 低維空間多任務(wù)學(xué)習(xí)算法
        2.3.2 任務(wù)聚類學(xué)習(xí)算法
    2.4 本章小結(jié)
第3章 基于語義的異構(gòu)空間多任務(wù)學(xué)習(xí)
    3.1 引言
    3.2 問題定義和相關(guān)理論基礎(chǔ)
        3.2.1 問題定義
        3.2.2 多任務(wù)多視圖學(xué)習(xí)
        3.2.3 NMF矩陣分解算法
    3.3 異構(gòu)空間多任務(wù)語義學(xué)習(xí)
        3.3.1 構(gòu)建任務(wù)之間的聯(lián)系
        3.3.2 共享語義特征空間提取
        3.3.3 共享語義特征空間提取算法優(yōu)化
        3.3.4 學(xué)習(xí)分類器
        3.3.5 算法復(fù)雜度分析
    3.4 本章小結(jié)
第4章 基于密度峰值的聚類算法并行化
    4.1 引言
    4.2 研究?jī)?nèi)容和相關(guān)理論基礎(chǔ)
        4.2.1 研究?jī)?nèi)容
        4.2.2 CFSFDP聚類算法
        4.2.3 Spark分布式計(jì)算框架
    4.3 CFSFDP聚類算法并行化
    4.4 本章小結(jié)
第5章 實(shí)驗(yàn)分析
    5.1 引言
    5.2 異構(gòu)多任務(wù)學(xué)習(xí)實(shí)驗(yàn)
        5.2.1 數(shù)據(jù)集說明
        5.2.2 異構(gòu)多任務(wù)實(shí)驗(yàn)結(jié)果分析
        5.2.3 同構(gòu)多任務(wù)實(shí)驗(yàn)結(jié)果分析
        5.2.4 學(xué)習(xí)到的語義空間分析
    5.3 聚類算法并行化實(shí)驗(yàn)
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)說明
        5.3.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        5.3.3 實(shí)驗(yàn)環(huán)境配置
        5.3.4 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]多視角學(xué)習(xí)綜述[J]. 唐靜靜,田英杰.  數(shù)學(xué)建模及其應(yīng)用. 2017(03)



本文編號(hào)：3161866