基于跨領(lǐng)域的遷移學(xué)習(xí)算法研究.pdf

1、機(jī)器學(xué)習(xí)技術(shù)已經(jīng)在許多知識工程技術(shù)領(lǐng)域包括分類、回歸和聚類等取得了重大的成功。但是，許多機(jī)器學(xué)習(xí)技術(shù)只有在基于一個共同的假設(shè)的情況下才能取得很好的效果，那就是訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)來自于相同的分布和相同的特征空間。而在一般情況下，由于我們的訓(xùn)練數(shù)據(jù)和測試數(shù)據(jù)來自不同的領(lǐng)域，這樣傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)將不能取得很好的效果。如果能夠利用一個領(lǐng)域的知識來幫助另外一個領(lǐng)域的學(xué)習(xí)，即跨領(lǐng)域的遷移學(xué)習(xí)，將會大大提高機(jī)器學(xué)習(xí)算法的效果。
　　 本文首先

2、研究了遷移學(xué)習(xí)的分類及一些典型的遷移學(xué)習(xí)算法。再此基礎(chǔ)上，提出了兩種新的遷移學(xué)習(xí)算法：
　　 (1)提出了一種基于實例KMM匹配的參數(shù)遷移學(xué)習(xí)方法。首先利用KMM算法估計每個源領(lǐng)域?qū)嵗臋?quán)重，然后利用得到的權(quán)重，把這些實例應(yīng)用到基于參數(shù)的遷移學(xué)習(xí)方法中，得到的遷移學(xué)習(xí)效果要比單獨(dú)從實例或是從參數(shù)出發(fā)的遷移學(xué)習(xí)方法都要好，特別是當(dāng)目標(biāo)領(lǐng)域的標(biāo)記數(shù)據(jù)比較少時。
　　 (2)提出了一種基于KDA的半監(jiān)督學(xué)習(xí)遷移算法。利用KDA