小型微型计算机系统
小型微型計算機繫統
소형미형계산궤계통
MINI-MICRO SYSTEMS
2011年
12期
2379-2382
,共4页
图分类%迁移学习%boosting
圖分類%遷移學習%boosting
도분류%천이학습%boosting
数据挖掘是从大量数据中提取隐含知识的过程.随着数据挖掘的广泛应用,图作为一种一般数据结构在复杂结构和它们之间相互作用建模中变得越来越重要,这使得图挖掘成为数据挖掘的一个新的热点研究方向之一.由于图分类具有许多真实的应用背景,因而图分类已成为图挖掘中重要的研究领域.目前对图分类的研究都基于一个假设:训练集和测试集都是来源于同一个分布.然而,在很多真实的应用上,训练集和测试集不一定是来自同一个分布的.在本文中,我们将学习如何运用迁移学习的方法来对图数据进行分类,并提出一个基于集成学习的算法TrGBoost,该算法能在少量有标签的图数据和大量相关的图数据集里,有效地建立一个图分类器.真实数据上的实验验证了本文算法的有效性.
數據挖掘是從大量數據中提取隱含知識的過程.隨著數據挖掘的廣汎應用,圖作為一種一般數據結構在複雜結構和它們之間相互作用建模中變得越來越重要,這使得圖挖掘成為數據挖掘的一箇新的熱點研究方嚮之一.由于圖分類具有許多真實的應用揹景,因而圖分類已成為圖挖掘中重要的研究領域.目前對圖分類的研究都基于一箇假設:訓練集和測試集都是來源于同一箇分佈.然而,在很多真實的應用上,訓練集和測試集不一定是來自同一箇分佈的.在本文中,我們將學習如何運用遷移學習的方法來對圖數據進行分類,併提齣一箇基于集成學習的算法TrGBoost,該算法能在少量有標籤的圖數據和大量相關的圖數據集裏,有效地建立一箇圖分類器.真實數據上的實驗驗證瞭本文算法的有效性.
수거알굴시종대량수거중제취은함지식적과정.수착수거알굴적엄범응용,도작위일충일반수거결구재복잡결구화타문지간상호작용건모중변득월래월중요,저사득도알굴성위수거알굴적일개신적열점연구방향지일.유우도분류구유허다진실적응용배경,인이도분류이성위도알굴중중요적연구영역.목전대도분류적연구도기우일개가설:훈련집화측시집도시래원우동일개분포.연이,재흔다진실적응용상,훈련집화측시집불일정시래자동일개분포적.재본문중,아문장학습여하운용천이학습적방법래대도수거진행분류,병제출일개기우집성학습적산법TrGBoost,해산법능재소량유표첨적도수거화대량상관적도수거집리,유효지건립일개도분류기.진실수거상적실험험증료본문산법적유효성.