基于遗传算法的多任务学习

计算机科学 ›› 2008, Vol. 35 ›› Issue (10): 186-187.

基于遗传算法的多任务学习

孟浩华李国正

上海大学计算机工程与科学学院,上海200072

出版日期:2018-11-16 发布日期:2018-11-16
基金资助:
本文得到国家自然科学基金资助（20503015）.

MENG Hao-hua LI Guo-zheng （School of Computer Engineering and Science, Shanghai University, Shanghai 200072, China）

Online:2018-11-16 Published:2018-11-16

摘要/Abstract

摘要： 机器学习中冗余特征会降低学习器的性能,而特征选择方法可以去掉一些冗余特征。然而,冗余特征也包含有用信息,因此可以利用多任务学习的概念,通过重复利用冗余特征提高预测精度。但是,如何确定哪些特征作为输入和输出仍然是一个待解决的问题。之前的工作是在多任务学习当中,运用遗传算法来确定哪些特征作为输入,哪些作为输出,取得了较好的效果,但是该算法不足之处是没有考虑到不相关特征。现将特征分为三部分：输入的特征、输出的特征和不相关特征,提出了对一个特征进行双位编码的遗传算法搜索策略。在基因芯片数据上的实验结果表明,提出的

关键词: 遗传算法多任务学习双位编码

Abstract: Redundant features hurt the performance of learning methods. Feature selection methods were developed to remove some redundant features; however, the redundant features contain useful information, therefore, multi-task learning was developed to employ the

Key words: Genetic algorithm, Multi-task learning, Microarray data analysis

孟浩华李国正. 基于遗传算法的多任务学习[J]. 计算机科学, 2008, 35(10): 186-187. https://doi.org/

MENG Hao-hua LI Guo-zheng （School of Computer Engineering and Science, Shanghai University, Shanghai 200072, China）. [J]. Computer Science, 2008, 35(10): 186-187. https://doi.org/

参考文献

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed