技术特征:
技术总结
本发明涉及一种基于多源域的任务拆分迁移学习预测方法。本方法是在复杂的目标任务很难通过极少量的目标域数据训练学习的条件下,依据目标域的特征项所涉及的领域划分成对应的子域,进而划分出子域对应的子任务,通过子任务对应的域特征量计算子任务模型权重,利用子任务对应的子域中所需的特征项,以特征映射的方式建立共享特征空间,在充足的多源域样本中训练出子任务模型,抽取关联特征项共享参数模型,集成初始目标任务模型,结合梯度提升方法快速拟合,实现任务拆分的迁移预测。本发明是一种以任务拆分的方式来实现跨领域模型迁移的预测方法。
技术研发人员:王成龙;吴悦
受保护的技术使用者:上海大学
技术研发日:2017.03.28
技术公布日:2017.08.29