作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
采用多任务学习方式主要是通过对不同任务域之间的共性特征进行寻找并共享而完成,而对于不同任务域的学习来说,采用知识迁移加速的方式可以为每个任务域构建分类器.鉴于此,本文提出基于罗杰斯特回归模型的多任务学习方法,并在人工及真实数据集上进行验证,结果表明该此种学习算法在实际应用的过程中具有较高的识别率,具有令人满意的识别速度以及鲁棒性.
推荐文章
基于逻辑回归的多任务域快速分类学习算法
多任务分类
罗杰斯特回归
后验概率
对偶坐标下降法
基于多任务学习的自然图像分类研究
多任务学习
自然图像
相关性
基于多任务联合稀疏表示的高光谱图像分类算法
多任务学习
稀疏表示
高光谱图像
图像分类
基于多任务学习的多源数据分类研究
多源学习
多分类
任务相关性
多任务学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于逻辑回归的多任务域快速分类学习算法
来源期刊 数字技术与应用 学科 工学
关键词 逻辑回归 多任务域 快速分类学习 算法 罗杰斯特回归模型
年,卷(期) 2016,(11) 所属期刊栏目 算法分析
研究方向 页码范围 123
页数 1页 分类号 TP391
字数 1605字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈倬 17 21 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (15)
参考文献  (4)
节点文献
引证文献  (1)
同被引文献  (5)
二级引证文献  (2)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(1)
  • 二级参考文献(3)
2011(4)
  • 参考文献(0)
  • 二级参考文献(4)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
逻辑回归
多任务域
快速分类学习
算法
罗杰斯特回归模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数字技术与应用
月刊
1007-9416
12-1369/TN
16开
天津市
6-251
1983
chi
出版文献量(篇)
20434
总下载数(次)
106
总被引数(次)
35701
论文1v1指导