已閱讀1頁，還剩62頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、在傳統(tǒng)的機器學(xué)習(xí)方法中,訓(xùn)練集與測試集通常來自于同一分布。但是遷移學(xué)習(xí)所研究的問題是如何將源域樣本集遷移到不同分布的目標領(lǐng)域,并輔助訓(xùn)練目標域模型,從而提高模型的訓(xùn)練效果。近年來,遷移學(xué)習(xí)逐漸成為了研究熱點,并產(chǎn)生了一定的研究成果。決策樹算法是常用的分類算法之一,但是在遷移任務(wù)中,決策樹分類算法的相關(guān)研究卻很少。針對這一現(xiàn)象,本文主要研究傳統(tǒng)決策樹分類算法在遷移任務(wù)中的改進。
本文將遷移成分分析法與CART算法相結(jié)合設(shè)計了TC
2、A_CART算法,并將其用于遷移學(xué)習(xí)中多分類問題的研究。同時分析了TCA_CART算法的不足,在此基礎(chǔ)上利用 K-means聚類算法對其進行改進。改進的方式是在決策樹的分支過程中對樣本數(shù)據(jù)進行聚類操作,將部分與目標域樣本特征相似但是標簽不一致的源域樣本數(shù)據(jù)進行剔除,從而得到適應(yīng)目標域的決策樹分類器。隨后通過對TrAdaBoost算法以及TrBag算法進行分析,指出了傳統(tǒng)的基于樣本的遷移學(xué)習(xí)中存在的缺陷,并通過 Bootstrapping
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于決策樹的組合分類器的研究.pdf
- 決策樹分類器算法的研究.pdf
- 基于決策樹的分類方法研究.pdf
- 基于決策樹分類器的設(shè)計與實現(xiàn)--論文
- 基于決策樹的軟件分類方法研究.pdf
- 基于決策樹的單調(diào)分類算法研究.pdf
- 基于決策樹的組合分類器的構(gòu)建和部署.pdf
- 基于決策樹增量學(xué)習(xí)的成像目標分類技術(shù)研究.pdf
- 基于決策樹算法的客戶分類模型研究.pdf
- 基于決策樹的瓷磚圖像分類方法研究.pdf
- 基于決策樹的多分類器的集成及應(yīng)用.pdf
- 基于決策樹的面向?qū)ο蠓诸惙椒ㄑ芯?pdf
- 基于決策樹的網(wǎng)絡(luò)流量分類研究.pdf
- 基于決策樹分類算法的Web文本分類研究.pdf
- 基于決策樹分類算法研究及應(yīng)用.pdf
- 決策樹分類優(yōu)化算法的研究.pdf
- 基于決策樹的在線學(xué)習(xí)分析.pdf
- 基于決策樹技術(shù)的遙感影像分類研究.pdf
- 基于決策樹分類算法的研究與應(yīng)用.pdf
- 基于決策樹方法的遙感影像分類研究.pdf
評論
0/150
提交評論