[发明专利]一种基于多任务学习的动态不完整数据分类方法在审
| 申请号： | 201910967118.4 | 申请日： | 2019-10-12 |
| 公开（公告）号： | CN110765267A | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 赖晓晨;张立勇;吴霞 | 申请（专利权）人： | 大连理工大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06N3/06 |
| 代理公司： | 21200 大连理工大学专利中心 | 代理人： | 温福雪;侯明远 |
| 地址： | 116024 辽*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多任务学习的动态不完整数据分类方法，属于数据挖掘技术领域。本发明包括两部分：网络模型和分类方案。在网络模型部分，本发明基于去跟踪自编码器搭建多任务学习模型，以并行学习属性的拟合函数和类标签的概率分布。在分类方案部分，本发明包括模型训练和模型应用两个模块。模型训练模块中，网络参数和训练集的缺失值作为代价函数的变量实现协同更新。模型应用模块中，本发明固定网络参数，将缺失值视为代价函数的变量以实现不完整样本的动态学习。缺失值的动态优化促使网络模型逐渐匹配于不完整数据内部的回归和分类结构，网络的准确性随着训练的深入不断提升。 | ||
| 搜索关键词： | 网络模型 代价函数 模型应用 任务学习 完整数据 分类 模型训练模块 数据挖掘技术 动态学习 动态优化 分类结构 概率分布 固定网络 模型训练 拟合函数 网络参数 编码器 训练集 匹配 样本 并行 标签 协同 跟踪 回归 更新 网络 学习 | ||
【主权项】：
1.一种基于多任务学习的动态不完整数据分类方法，其特征在于，该动态不完整数据分类方法包括网络模型和分类方案两个部分：/n(1)网络模型/n在TRAE的输出层中增加代表类标签的神经元，构建基于TRAE的多任务学习模型traeMTL；traeMTL中代表属性拟合值的输出神经元，其计算规则为：/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于大连理工大学，未经大连理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910967118.4/，转载请声明来源钻瓜专利网。
