计算机研究与发展
計算機研究與髮展
계산궤연구여발전
JOURNAL OF COMPUTER RESEARCH AND DEVELOPMENT
2011年
9期
1722-1728
,共7页
梅灿华%张玉红%胡学钢%李培培
梅燦華%張玉紅%鬍學鋼%李培培
매찬화%장옥홍%호학강%리배배
机器学习%数据挖掘%迁移学习%最大熵%归纳式%AdaBoost
機器學習%數據挖掘%遷移學習%最大熵%歸納式%AdaBoost
궤기학습%수거알굴%천이학습%최대적%귀납식%AdaBoost
传统机器学习和数据挖掘算法主要基于两个假设:训练数据集和测试数据集具有相同的特征空间和数据分布.然而在实际应用中,这两个假设却难以成立,从而导致传统的算法不再适用.迁移学习作为一种新的学习框架能有效地解决该问题.着眼于迁移学习的一个重要分支——归纳迁移学习,提出了一种基于最大熵模型的加权归纳迁移学习算法WTLME.该算法通过将已训练好的原始领域模型参数迁移到目标领域,并对目标领域实例权重进行调整,从而获得了精度较高的目标领域模型.实验结果表明了该算法的有效性.
傳統機器學習和數據挖掘算法主要基于兩箇假設:訓練數據集和測試數據集具有相同的特徵空間和數據分佈.然而在實際應用中,這兩箇假設卻難以成立,從而導緻傳統的算法不再適用.遷移學習作為一種新的學習框架能有效地解決該問題.著眼于遷移學習的一箇重要分支——歸納遷移學習,提齣瞭一種基于最大熵模型的加權歸納遷移學習算法WTLME.該算法通過將已訓練好的原始領域模型參數遷移到目標領域,併對目標領域實例權重進行調整,從而穫得瞭精度較高的目標領域模型.實驗結果錶明瞭該算法的有效性.
전통궤기학습화수거알굴산법주요기우량개가설:훈련수거집화측시수거집구유상동적특정공간화수거분포.연이재실제응용중,저량개가설각난이성립,종이도치전통적산법불재괄용.천이학습작위일충신적학습광가능유효지해결해문제.착안우천이학습적일개중요분지——귀납천이학습,제출료일충기우최대적모형적가권귀납천이학습산법WTLME.해산법통과장이훈련호적원시영역모형삼수천이도목표영역,병대목표영역실례권중진행조정,종이획득료정도교고적목표영역모형.실험결과표명료해산법적유효성.