结合遗忘特性的多任务多核在线学习算法

• 作者: 刘群 舒航 裴乐
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 多任务学习 多核学习 在线学习 流数据
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 849-860
• 页数: 12页
• 分类号: TP181
• 字数: 13453字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2019.06.015

摘要

对于数据流的处理,多任务多核学习已逐渐成为在线学习算法研究的热点,它在一定程度上可提高数据流预测的准确性.多核方法尽可能使用最少的核函数得到最好的实验效果,当数据量增大、训练模型稳定时,通过阈值限定的方法对核函数进行遗忘,从而减少基本核函数的使用个数,使得计算更加简单;对于算法的优化,通过引入一个遗忘变量,从对偶的角度来进一步优化权重更新过程,这里的权重指多个任务的共有特征权重和每个任务间的特有权重,以提高算法的收敛速度.实验部分对核函数的选取进行了较为详细的分析,通过对UCI数据集和实际的机场客流量数据集进行分析,证明该本算法的合理性和高效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘群	重庆邮电大学计算智能重庆市重点实验室	62	540	11.0	21.0
2	裴乐	重庆邮电大学计算智能重庆市重点实验室	2	0	0.0	0.0
3	舒航	重庆邮电大学计算智能重庆市重点实验室	1	0	0.0	0.0