项目名称: 基于参数的迁移学习分析、建模与应用

项目编号: No.61472090

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 其他

项目作者: 刘波

作者单位: 广东工业大学

项目金额: 82万元

中文摘要: 迁移学习是机器学习和数据挖掘中的重要研究领域。在迁移学习中,知识从相关任务向目标任务迁移,并对目标任务的学习起到促进作用。本项目拟设计基于参数的支持向量机迁移学习算法,对迁移学习中的若干问题进行研究。首先,针对样本包含不确定信息的迁移学习问题,本项目通过最近邻思想把不确定信息边界引入学习,从而降低分类器对不确定信息的敏感性。其次,针对多示例分类中的知识迁移问题,构建基于相似度度量的多示例迁移学习算法,实现相关任务知识到目标任务的有效迁移。再次,针对文本数据流中同一时间窗的数据分布可能发生变化的问题,本项目自动侦测数据分布变化情况,并构造迁移学习分类器把变化前后的样本信息引入学习,从而提高分类器的预测能力。最后,针对异常点侦测的迁移学习问题,通过设计分类器之间的耦合参数,实现相关任务的分类器知识到目标任务分类器的迁移。本项目旨在通过以上问题的解决为迁移学习算法的研究提供思路。

中文关键词: 数据挖掘;迁移学习

英文摘要: Transfer learning is an important area in the machine learning and data mining communities. In transfer learning, the knowledge transferred from the related tasks to the target task can help the learning of the target task. This project aims at designing parameters-based support vector machine transfer learning algorithms to address the several research problems in transfer learning. First, to resolve the problem that the data set may contain uncertain data, the project proposes the usage of nearest neighbor idea to introduce the bound of data uncertainty into the learning of transfer learning so as to reduce the effect of uncertain data on the classifier. Second, the project puts forward similarity-based transfer learning approach to address the problem of multi-instance transfer learning problem such that knowledge can be transferred from source tasks to the target task. Third, to address the problem that in the textual data streams environment, the data distribution of the stream data in the same time window may change, this project automatically determines the change spot of data distribution in the time window, and then constructs a transfer learning classifier to introduce the data distribution between the change spot into learning. Last, to address the problem of classifier knowledge transfer in anomaly detection, the project determines the common parameters between the related tasks and target task, and then builds a transfer learning classifier to transfer knowledge to target task. This project aims at delivering research ideas to the area of transfer learning.

英文关键词: Data Mining;Transfer Learning

成为VIP会员查看完整内容
6

相关内容

数据挖掘(Data mining)一般是指从大量的数据中自动搜索隐藏于其中的有着特殊关系性的信息和知识的过程。
【博士论文】机器学习中的标记增强理论 与应用研究
专知会员服务
29+阅读 · 2021年12月3日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
64+阅读 · 2021年7月25日
专知会员服务
24+阅读 · 2021年6月17日
领域自适应研究综述
专知会员服务
54+阅读 · 2021年5月5日
《多任务学习》最新综述论文,20页pdf
专知会员服务
123+阅读 · 2021年4月6日
专知会员服务
47+阅读 · 2020年10月20日
专知会员服务
31+阅读 · 2020年9月2日
【ACL2020】基于图神经网络的文本分类新方法
专知会员服务
68+阅读 · 2020年7月12日
最新《多任务学习》综述,39页pdf
专知会员服务
263+阅读 · 2020年7月10日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
领域自适应研究综述
专知
6+阅读 · 2021年5月5日
最新《多任务学习》综述,39页pdf
专知
28+阅读 · 2020年7月10日
一文了解迁移学习经典算法
AI100
11+阅读 · 2018年8月4日
【迁移学习】简述迁移学习在深度学习中的应用
产业智能官
15+阅读 · 2018年1月9日
【迁移学习】迁移学习在图像分类中的简单应用策略
迁移学习在深度学习中的应用
专知
23+阅读 · 2017年12月24日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
3+阅读 · 2022年4月18日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
Arxiv
15+阅读 · 2020年2月5日
Arxiv
14+阅读 · 2019年11月26日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
24+阅读 · 2018年10月24日
小贴士
相关VIP内容
【博士论文】机器学习中的标记增强理论 与应用研究
专知会员服务
29+阅读 · 2021年12月3日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
64+阅读 · 2021年7月25日
专知会员服务
24+阅读 · 2021年6月17日
领域自适应研究综述
专知会员服务
54+阅读 · 2021年5月5日
《多任务学习》最新综述论文,20页pdf
专知会员服务
123+阅读 · 2021年4月6日
专知会员服务
47+阅读 · 2020年10月20日
专知会员服务
31+阅读 · 2020年9月2日
【ACL2020】基于图神经网络的文本分类新方法
专知会员服务
68+阅读 · 2020年7月12日
最新《多任务学习》综述,39页pdf
专知会员服务
263+阅读 · 2020年7月10日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
领域自适应研究综述
专知
6+阅读 · 2021年5月5日
最新《多任务学习》综述,39页pdf
专知
28+阅读 · 2020年7月10日
一文了解迁移学习经典算法
AI100
11+阅读 · 2018年8月4日
【迁移学习】简述迁移学习在深度学习中的应用
产业智能官
15+阅读 · 2018年1月9日
【迁移学习】迁移学习在图像分类中的简单应用策略
迁移学习在深度学习中的应用
专知
23+阅读 · 2017年12月24日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
相关论文
Arxiv
3+阅读 · 2022年4月18日
Hierarchical Graph Capsule Network
Arxiv
20+阅读 · 2020年12月16日
Arxiv
15+阅读 · 2020年2月5日
Arxiv
14+阅读 · 2019年11月26日
Domain Representation for Knowledge Graph Embedding
Arxiv
14+阅读 · 2019年9月11日
Arxiv
20+阅读 · 2019年9月7日
Arxiv
24+阅读 · 2018年10月24日
微信扫码咨询专知VIP会员