在大數(shù)據(jù)應(yīng)用環(huán)境下,信息產(chǎn)生的渠道不斷增多,信息表達(dá)的方式也越來(lái)越多,數(shù)據(jù)的分析和挖掘面臨很大的挑戰(zhàn)。在機(jī)器學(xué)習(xí)領(lǐng)域,處理數(shù)據(jù)分類問(wèn)題時(shí),需要對(duì)進(jìn)行分類的不同數(shù)據(jù)集建立對(duì)應(yīng)的分類模型,即常規(guī)的單任務(wù)學(xué)習(xí)。但由于單任務(wù)學(xué)習(xí)存在信息利用不充分的局限性,導(dǎo)致分類正確率較低,因此挖掘多個(gè)訓(xùn)練任務(wù)之間的關(guān)聯(lián),對(duì)這些任務(wù)進(jìn)行聯(lián)合學(xué)習(xí),從而提高模型泛化能力的多任務(wù)學(xué)習(xí)成為當(dāng)前研究的熱點(diǎn)課題之一。然而,現(xiàn)有分類方法在提取多個(gè)任務(wù)相關(guān)性方面仍有很大不足,忽略了對(duì)于含孤立任務(wù)的多個(gè)任務(wù)之間的關(guān)聯(lián)性提取,以及與其他的分類技術(shù)進(jìn)行有效結(jié)合,從而使分類正確率遇到瓶頸。本文通過(guò)利用機(jī)器學(xué)習(xí)領(lǐng)域的相關(guān)技術(shù)和方法,遵循提高數(shù)據(jù)分類正確率這一目標(biāo),針對(duì)目前基于多任務(wù)學(xué)習(xí)的數(shù)據(jù)分類技術(shù)存在的問(wèn)題和不足展開研究,取得了一定的創(chuàng)新成果。論文主要研究工作有如下幾點(diǎn):（1）針對(duì)現(xiàn)有多任務(wù)學(xué)習(xí)模型對(duì)任務(wù)間的關(guān)聯(lián)提取層次較為單一和提取不充分問(wèn)題,提出了一種實(shí)現(xiàn)稀疏誘導(dǎo)的多任務(wù)學(xué)習(xí)模型。在傳統(tǒng)研究的基礎(chǔ)上,本文通過(guò)利用可以實(shí)現(xiàn)稀疏誘導(dǎo)的組稀疏范數(shù)來(lái)獲得針對(duì)特定任務(wù)的組稀疏,實(shí)現(xiàn)多個(gè)相關(guān)任務(wù)間的特征共享,并提取任務(wù)內(nèi)各個(gè)類別之間的關(guān)聯(lián),... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－２單任務(wù)學(xué)習(xí)模型??Ｆｉｇｕｒｅ?２－２?Ｓｉｎｇｌｅ－ｔａｓｋ?ｌｅａｒｎｉｎｇ?ｍｏｄｅｌ??

多任務(wù)模型架構(gòu)能夠可以明顯地提高分類器的分類正確率［１９］。多任務(wù)中的??共享表示一個(gè)強(qiáng)大的抽象，它可以容納多個(gè)相關(guān)的目標(biāo)，這些目標(biāo)通常會(huì)使一個(gè)??主任務(wù)得到更好的分類性能，所以分類正確率會(huì)大大地提高。圖２－２和２－３展示了??多任務(wù)學(xué)習(xí)與傳統(tǒng)的單任務(wù)學(xué)習(xí)的訓(xùn)練模式不同之處。本文構(gòu)建了面向多任務(wù)的??分類預(yù)測(cè)模型，通過(guò)任務(wù)之間的信息共享，使多任務(wù)中的各個(gè)任務(wù)分類性能得到??了改善。??ｆ任務(wù)１?訓(xùn)練數(shù)據(jù)１?丨．模型訓(xùn)練Ｉ．．：．＇一泛化〉??：任務(wù)２?訓(xùn)練數(shù)據(jù)２?模型訓(xùn)ｇｓｒ＾＞?丨泛化、＞??、＇－?????＇?????????？?？??？?？??？?參??（任務(wù)ｔ?訓(xùn)練數(shù)據(jù)ｔ?Ｉ模型訓(xùn)練－＾＞?１泛化??圖２－２單任務(wù)學(xué)習(xí)模型??Ｆｉｇｕｒｅ?２－２?Ｓｉｎｇｌｅ－ｔａｓｋ?ｌｅａｒｎｉｎｇ?ｍｏｄｅｌ??８??

?丨?［?泛化??圖２－３多任務(wù)學(xué)習(xí)模型??Ｆｉｇｕｒｅ?２－３?Ｍｕｌｔｉ－ｔａｓｋ?ｌｅａｒｎｉｎｇ?ｍｏｄｅｌ??２．２．２任務(wù)間相關(guān)性??聯(lián)合學(xué)習(xí)的多個(gè)任務(wù)之間存在相關(guān)性，即任務(wù)間存在共享信息是多任務(wù)學(xué)習(xí)??的必要條件。此處的共享信息可以是任務(wù)間共享的一組特征，可以是低秩的子空??間，可以是分類權(quán)重向量，也可以是神經(jīng)網(wǎng)絡(luò)的隱藏層單元。接下來(lái)討論多任務(wù)??學(xué)習(xí)中任務(wù)間存在的幾種相關(guān)性。??根據(jù)任務(wù)間聯(lián)系不同，任務(wù)間相關(guān)性架構(gòu)［２（）］有如下幾種：??（１）

【參考文獻(xiàn)】：
期刊論文
[1]正則化多任務(wù)學(xué)習(xí)的快速算法[J]. 史熒中,汪菊琴,許敏,王士同.  計(jì)算機(jī)科學(xué)與探索. 2017(06)
[2]一種基于教學(xué)模型的協(xié)同訓(xùn)練方法[J]. 胡菊花,姜遠(yuǎn),周志華.  計(jì)算機(jī)研究與發(fā)展. 2013(11)
[3]基于多任務(wù)學(xué)習(xí)的自然圖像分類研究[J]. 劉成,彭進(jìn)業(yè).  計(jì)算機(jī)應(yīng)用研究. 2012(07)
[4]基于多任務(wù)學(xué)習(xí)的郵件過(guò)濾系統(tǒng)的研究[J]. 許棣華,王志堅(jiān).  計(jì)算機(jī)技術(shù)與發(fā)展. 2010(10)
[5]通過(guò)相似度支持度優(yōu)化基于K近鄰的協(xié)同過(guò)濾算法[J]. 羅辛,歐陽(yáng)元新,熊璋,袁滿.  計(jì)算機(jī)學(xué)報(bào). 2010(08)



本文編號(hào)：3229503