基于多任务学习的多源数据分类研究-计算机应用研究.PDF

———————————————————————————————————————————————— 基于多任务学习的多源数据分类研究 作者 马建阳，张宝鹏 机构 北京交通大学 计算机与信息技术学院 基金项目 中央高校基本科研业务费资助项目（2017JBM320）；国家科技支撑计划课题（2014BAH24F02） 预排期卷 《计算机应用研究》2018 年第35 卷第11 期 摘要 针对现有方法在处理多源数据时忽视数据源之间关联性的问题，提出了一种可以同时实现多 分类效果的多源学习框架。该框架将不同的数据源看做多个相关的任务，将多源问题转换为 经典的多任务学习问题，通过提取数据源之间的关联，来提高单个数据源的分类性能。此外， 该框架利用聚类分析原理，对带标记样本实现多分类效果。实验结果表明，该框架优于只针 对单个数据源学习的单任务学习框架和只针对二分类进行处理的传统的多任务学习框架。 关键词 多源学习；多分类；任务相关性；多任务学习 作者简介 马建阳（1992-），男，河北邢台人，硕士研究生，主要研究方向为多任务学习和多视角学习 ）；张宝鹏（1976-），男，内蒙古包头人，硕导，主要研究方向为图 像分类和深度学习等． 中图分类号 TP391 访问地址 /article/02-2018-11-049.html 发布日期 2017 年11 月10 日 引用格式 马建阳, 张宝鹏. 基于多任务学习的多源数据分类研究[J/OL]. 2018, 35(11). [2017-11-10]. /article/02-2018-11-049.html. 35 11 Vol. 35 No. 11 第 卷第 期 计算机应用研究 优先出版 Application Research of Computers Online Publication 基于多任务学习的多源数据分类研究 * 马建阳，张宝鹏 (北京交通大学 计算机与信息技术学院, 北京 100044) 摘 要：针对现有方法在处理多源数据时忽视数据源之间关联性的问题，提出了一种可以同时实现多分类效果的多源 学习框架。该框架将不同的数据源看做多个相关的任务，将多源问题转换为经典的多任务学习问题，通过提取数据源 之间的关联，来提高单个数据源的分类性能。此外，该框架利用聚类分析原理，对带标记样本实现多分类效果。实验 结果表明，该框架优于只针对单个数据源学习的单任务学习框架和只针对二分类进行处理的传统的多任务学习框架。 关键词：多源学习；多分类；任务相关性；多任务学习 中图分类号：TP391 Research of classification method for multi-source data based on multi-task learning Ma Jianyang, Zhang Baopeng (School of Computer Information Technology, Beijing Jiaotong University, Beijing 100044, China) Abstract: Since the existing models often suffer from the problem of ignoring the relationship between data so