基于实例的迁移学习算法研究.pdf

基于实例的迁移学习算法研究

【摘要】：传统的机器学习中当分布发生变换时，大部分的机器学习

方法不具备自适应能力，需要重新学习，要求用户收集更多的训练数

据。在现实的应用中，重新收集训练数据、重新训练学习机代价很大，

非常有必要减少这些环节，迁移学习的研究就成为一种必然。迁移学

习可以应用相关领域的数据，将相关领域的有用知识”迁移”到目标领

域中，用以解决在目标领域的学习任务．而迁移学习的关键是如何选

取相关数据以帮助目标领域的学习。本文提出一种基于聚类集成的迁

移学习算法，通过从源数据中寻找能够帮助目标数据学习的实例以帮

助目标领域的学习，并且针对基于聚类集成迁移学习目标数据较少，

容易过度拟合的缺陷，提出了基于半监督的聚类集成迁移学习算法以

改进该缺陷。最后对两个算法在20个新闻组数据集上进行了实验，

证明这两个算法能有效提高目标数据的学习效率。【关键词】：迁移学

习聚类集成半监督

【学位授予单位】：山西财经大学

【学位级别】：硕士

【学位授予年份】：2013

【分类号】：TP181

【目录】：摘要6-7ABSTRACT7-101.绪论10-151.1研究背景及意义

10-111.2国内外研究现状11-131.2.1迁移学习研究现状11-121.2.2半

监督学习的研究现状12-131.3论文的主要研究工作13-141.4论文的

组织结构14-152.迁移学习与半监督学习的基本理论15-222.1迁移学

习的基本理论15-182.1.1迁移学习的概念152.1.2迁移学习的研究内

容15-172.1.3迁移学习的类型17-182.1.4迁移学习的应用182.2半监

督学习的基本理论18-212.2.1半监督学习的概念18-192.2.2基本算法

19-202.2.3半监督学习算法选择20-212.2.4半监督学习的研究趋势

212.3迁移学习与半监督学习的关系21本章小结21-223.基于聚类集

成的迁移学习算法22-403.1聚类与集成技术概述22-253.1.1聚类技术

概述22-243.1.2集成技术概述24-253.2基于聚类集成的迁移学习

25-283.2.1算法的基本思想25-263.2.2算法描述及分析26-283.3实验

分析28-393.3.1数据集描述28-303.3.2数据集处理30-363.3.3评价指

标363.3.4实验结果分析36-39本章小结39-404.与半监督结合的迁移

学习算法40-484.1基于半监督的聚类集成迁移学习算法40-434.1.1算

法的基本思想40-414.1.2算法的描述及分析41-434.2实验分析

43-474.2.1实验数据集434.2.2评价指标43-444.2.3实验结果分析

44-47本章小结47-48总结与展望48-49参考文献49-54致谢54-55攻

读硕士学位期间发表的论文55-56本论文购买请联系页眉网站。