摘要
采用多任务学习方式主要是通过对不同任务域之间的共性特征进行寻找并共享而完成,而对于不同任务域的学习来说,采用知识迁移加速的方式可以为每个任务域构建分类器。鉴于此,本文提出基于罗杰斯特回归模型的多任务学习方法,并在人工及真实数据集上进行验证,结果表明该此种学习算法在实际应用的过程中具有较高的识别率,具有令人满意的识别速度以及鲁棒性。
出处
《数字技术与应用》
2016年第11期123-123,共1页
Digital Technology & Application
基金
基于层次聚类的逻辑回归分类算法在煤炭领域中的应用
科研项目编号:15ZB0354