10.3969/j.issn.1002-137X.2008.10.047
基于遗传算法的多任务学习
机器学习中冗余特征会降低学习器的性能,而特征选择方法可以去掉一些冗余特征.然而,冗余特征也包含有用信息,因此可以利用多任务学习的概念,通过重复利用冗余特征提高预测精度.但是,如何确定哪些特征作为输入和输出仍然是一个待解决的问题.之前的工作是在多任务学习当中,运用遗传算法来确定哪些特征作为输入,哪些作为输出,取得了较好的效果,但是该算法不足之处是没有考虑到不相关特征.现将特征分为三部分:输入的特征、输出的特征和不相关特征,提出了对一个特征进行双位编码的遗传算法搜索策略.在基因芯片数据上的实验结果表明,提出的新算法e-GA-MTL比已有基于遗传算法的GA-M-TL和其它启发式方法效果更好.
遗传算法、多任务学习、双位编码
35
TS1;TP3
国家自然科学基金资助20503015
2009-01-12(万方平台首次上网日期,不代表论文的发表时间)
共3页
186-187,203