文档介绍：浙江大学研究生学位论文独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得逝姿盘堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文储鹳:易豇答字日期:础年‘月沙日学位论文版权使用授权书本学位论文作者完全了解逝婆盘堂有权保留并向国家有关部门或机构送交本论文的复印件和磁盘,允许论文被查阅和借阅。本人授权逝姿盘堂可以将学位论文的全部或部分内容编入有关数据库进行检索和传播,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名:■万口签字日期:为f牛年‘月Ⅶ日导师签名:签字日期:7-,/肜年占月2D日万方数据浙江大学博士学位论文致谢致谢值此博士学位论文即将完成之际,我要衷心的感谢所有曾经教育过我的老师、关心过我的长辈和帮助过我的朋友。我首先要感谢我的导师张仲非教授。多年来,张老师在学业上对我进行了悉心的指导,一直关注研究的相关发展,并且将其在学术科研上的心得和经验传授给我,为我提出许多宝贵的意见。张老师严谨的治学态度,对学术研究孜孜不倦的追求,以及随和、谦虚和幽默的人格魅力,令我无限钦佩,终身受益。其次,我要感谢实验室的各位同学,他们努力学****认真科研的精神带动着我们实验室的整个科研氛围。感谢赵学义、何周舟、祁仲昂、李英明、杨名、金永波、王跃、刘喜昂、虞盛康、皮特、张亚庆、黄思雨,谢谢你们平时对我的帮助和照顾。最后,我要感谢一直在我身后默默支持我、抚养我长大的父母。感谢他们在我漫漫的求学生涯中的给予我的关心和支持,感谢他们对我无私的付出。本论文的完成得到了国家科技部973项目(2012CB316400),浙江大学——阿里巴巴金融联合实验室,浙江省网络媒体云处理和分析工程研究中心,和浙江大学先进媒体信息处理与智能系统创新团队的资助。非常感谢以上单位。方正二零一四年六月万方数据浙江大学博士学位论文摘要摘要在数据挖掘和机器学****领域中,监督学****模型一直有着广泛的应用。然而,模型中需要用到的监督信息,即有标注的数据往往较难大规模地获得。而对数据进行标注,往往需要大量的人力、物力。为了解决研究问题中标签信息匮乏的困难,专家学者们提出了迁移学****的概念。在迁移学****问题中,研究对象所组成的数据集被称为目标域,有充足标签信息并能起辅助学****作用的相关数据集被称为辅助域。为了解决各种实际问题,研究人员致力于从辅助域里学****所需要的知识,以帮助目标域里模型的学****本论文深入分析了跨数据域迁移学****问题,并在研究大量国际经典文献工作的基础上,提出了多种跨数据域迁移学****分类模型和算法。本文的主要工作和创新点在于:。我们观察到现有的很多跨数据域文本分类的方法,都采用了联合矩阵分解模型来学****各个数据域的低维因子。然而,由于矩阵分解模型着重挖掘的是数据内在的聚类结构,这些算法普遍忽视了数据因子在分类任务中理应具有的鉴别属性。为了解决这个问题,我们将分类模型施加在学****所得的数据因子上,并以损失函数为调节项对因子进行进一步的优化。此外,这些基于矩阵分解的迁移学****算法学****得到的数据因子在不同域之间还是存在很大的差异性。我们在数据各个维度的因子上引入刻画域间差异性的统计度量,并且以最小化这种差异性为目标,进一步优化所得的数据低维因子。:通过学****各个数据域共享的子空间来实现知识的迁移。在这个模型中,我们提取了各个数据域中特征上保持稳定的代表性数据,并以这些数据来构建子空间的基向量。另一方面,为了加强不同域的数据在这个子空间中的统计相似性,我们通过最小化域间差异性,对子空间中的数据因子进行了进一步的优化。。在算法中,万方数据浙江大学博士学位论文摘要我们鉴别地提取了不同域的数据的多视角特征,将那些反映类属本质的特征保留了下来。我们在提取的特征上引入刻画域间差异性的统计量,通过最小化域间差异性对特征进行优化。进一步,我们在语义类别的全局结构和数据的局部几何结构上对标签的预测结果进行了约束,最终提高了目标域中的分类准确率。关键词:跨数据域,迁移学****域间差异性,分类,潜在因子,子空间,流形结构,稀疏,鉴别,特征选择,多视角特征万方数据浙江大学博士学位论文AbstractAbstractIntheapplicationsofdataminingandmachinelearning,thesupervisedlearningmodelsareveryusefultoexploringtheknowledgeun