基于多任务学习的多源数据分类研究

• 作者: 张宝鹏 马建阳
• 来源期刊: 计算机应用研究
• 关键词: 多源学习 多分类 任务相关性 多任务学习
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3228-3231
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.11.007

摘要

针对现有方法在处理多源数据时忽视数据源之间关联性的问题,提出了一种可以同时实现多分类效果的多源学习框架.该框架将不同的数据源看做多个相关的任务,将多源问题转换为经典的多任务学习问题,通过提取数据源之间的关联来提高单个数据源的分类性能;此外,该框架利用聚类分析原理,对带标记样本实现多分类效果.实验结果表明,该框架优于只针对单个数据源学习的单任务学习框架和只针对二分类进行处理的传统的多任务学习框架.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马建阳	北京交通大学计算机与信息技术学院	1	2	1.0	1.0
2	张宝鹏	北京交通大学计算机与信息技术学院	6	37	2.0	6.0