声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：51-1196/TP
国际刊号：1001-3695
发布日期:
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
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。