基于典型相關(guān)分析和協(xié)同訓(xùn)練的遷移學(xué)習(xí)研究.pdf

1、傳統(tǒng)機(jī)器學(xué)習(xí)中，通常假設(shè)訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)的分布具有一致性，而且訓(xùn)練數(shù)據(jù)是基本充足的。隨著機(jī)器學(xué)習(xí)的廣泛應(yīng)用，遇到的很多問題中訓(xùn)練數(shù)據(jù)與測(cè)試數(shù)據(jù)分布不同，或者可用的訓(xùn)練數(shù)據(jù)不足以訓(xùn)練一個(gè)好的分類器。遷移學(xué)習(xí)是解決這類問題的方法之一，該領(lǐng)域的研究具有較高的學(xué)術(shù)價(jià)值。
　　遷移學(xué)習(xí)算法因?yàn)轱@著提高了學(xué)習(xí)效果而被廣泛研究和使用。但是研究發(fā)現(xiàn)算法的權(quán)值更新策略會(huì)導(dǎo)致訓(xùn)練樣本整體上的權(quán)值漂移問題，而且算法對(duì)源域和目標(biāo)域樣本分布相似性要求較高

2、。論文改進(jìn)了權(quán)值更新策略，在每一輪訓(xùn)練中，同時(shí)利用每一輪源域和目標(biāo)域樣本上的誤差來(lái)更新訓(xùn)練樣本的權(quán)值，再進(jìn)行下一輪迭代訓(xùn)練。迭代完成之后，再用集成學(xué)習(xí)的方法得到一個(gè)較好的分類器。給出的新方法改善了遷移學(xué)習(xí)算法的權(quán)值漂移問題，而且減弱了源域和目標(biāo)域相似性較高的約束。
　　在很多實(shí)際問題中，可以用多個(gè)不同的方法或從不同的角度對(duì)同一事物進(jìn)行描述，這些不同描述就構(gòu)成了事物的多個(gè)不同視圖。研究視圖間的關(guān)系來(lái)幫助遷移學(xué)習(xí)具有一定的理論意義。論

3、文利用典型相關(guān)分析處理訓(xùn)練數(shù)據(jù)，利用特征融合方法組成新的視圖，再進(jìn)行遷移學(xué)習(xí)。給出的算法利用了多視圖數(shù)據(jù)間的關(guān)系，改善了遷移學(xué)習(xí)效果。
　　協(xié)同訓(xùn)練是多視圖問題中的經(jīng)典方法，協(xié)同訓(xùn)練和遷移學(xué)習(xí)的結(jié)合具有研究?jī)r(jià)值。論文利用協(xié)同訓(xùn)練的思想，在遷移學(xué)習(xí)每一輪的訓(xùn)練過程中，在兩個(gè)視圖上進(jìn)行協(xié)同更新訓(xùn)練樣本權(quán)值，再進(jìn)行下一輪迭代訓(xùn)練，最后用集成的方法得到一個(gè)較好的分類器。給出的基于協(xié)同訓(xùn)練思想的多視圖遷移學(xué)習(xí)算法較好的利用了協(xié)同訓(xùn)練的思想，