结合集成学习与迁移学习的标签比例学习方法

摘要：

标签比例学习(LLP)是一种将实例放入包中的机器学习方法,它只提供包中的实例信息和标签比例信息,而不提供标签信息.针对多个相关任务的LLP问题,提出了一种基于迁移学习的标签比例集成学习模型,简称AT-LLP,该模型通过在任务之间构建共享参数来连接相关任务,将源任务中学习到的知识迁移到 目标任务中,从而提高目标任务的学习效率.同时该算法引入了集成学习算法,在分类器多轮迭代的学习过程中,不断调整训练集的权重系数,进一步将弱分类器训练为强分类器.实验表明,所提AT-LLP模型比现有LLP方法具有更好的性能.

关键词：机器学习、标签比例学习、迁移学习、集成学习

所属期刊栏目：40

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-05-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1422-1427