计算机应用研究

作者：罗旭斌,刘波,

单位：广东工业大学a.计算机学院;b.自动化学院,广州510000；

关键词：机器学习,标签比例学习,迁移学习,集成学习,

基金：国家自然科学基金资助项目(61876044,62076074)；；

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。

来源：2023年第5期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第5期