论文部分内容阅读
多任务学习（Multi-task Learning，MTL）就是把多个问题一起进行分析、计算，以发掘不同问题之间的相关性，提高分析结果的精度，该类方法已被广泛地应用于机器学习、模式识别、计算机视觉等领域．使用多任务学习方案研究了恒星大气物理参数中表面温度（Teff）、表面重力加速度（lgg）、化学丰度（[Fe／H]）的估计问题．首先使用多任务Sparse Group Lasso算法提取对3个大气物理参数均有预测能力的光谱特征；然后使用支持向量机估计恒星大气物理参数．该方案在Sloan实测恒星光谱和理论光谱