|
|||||
|
|
| 基于原问题求解的非稀疏多核学习方法 | |
| 引用本文： | 胡庆辉,丁立新,刘晓刚,李照奎. 基于原问题求解的非稀疏多核学习方法[J]. 华南理工大学学报(自然科学版), 2015, 0(5) |
| 作者姓名： | 胡庆辉 丁立新 刘晓刚 李照奎 |
| 作者单位： | 1. 武汉大学计算机学院∥软件工程国家重点实验室，湖北武汉430072; 桂林航天工业学院广西高校机器人与焊接技术重点实验室培育基地，广西桂林541004 2. 武汉大学计算机学院∥软件工程国家重点实验室,湖北武汉,430072 3. 桂林航天工业学院广西高校机器人与焊接技术重点实验室培育基地,广西桂林,541004 |
| 基金项目： | 国家自然科学基金资助项目(11301106)；广西自然科学基金资助项目(2014GXNSFAA1183105)；广西高校科研重点资助项目(ZD2014147)；广西高校科研项目(YB2014431)；桂林航天工业学院科研基金资助项目(Y12Z028)@@@@sSupported by the National Natural Science Foundation of China，the Natural Science Foundation of Guangxi Province |
| 摘 要： | 传统的多核学习方法通常将原问题转换为其对偶问题再进行求解,但直接求解原问题比求解对偶问题有更好的收敛属性.为此,文中提出了一种在原问题上求解、LP范数约束的非稀疏多核学习算法,首先采用次梯度和改进的拟牛顿法求解支持向量机(SVM),然后通过简单计算求解基本核的权系数.由于拟牛顿法具有二次收敛性,并且不需要计算二阶导数来得到Hessian矩阵的逆,因此文中算法具有更快的收敛速度.仿真结果表明,文中算法不仅具有较好的分类精度和泛化性能,还具有较快的收敛速度及很好的可扩展性. |
| 关 键 词： | 多核学习 拟牛顿法 两步优化 支持向量机 |
A Non-Sparse Multi-Kernel Learning Method Based on Primal Problem |
|
| Hu Qing-hui,Ding Li-xin,Liu Xiao-gang,Li Zhao-kui. A Non-Sparse Multi-Kernel Learning Method Based on Primal Problem[J]. Journal of South China University of Technology(Natural Science Edition), 2015, 0(5) | |
| Authors: | Hu Qing-hui Ding Li-xin Liu Xiao-gang Li Zhao-kui |
| Abstract: | |
| Keywords: | multi-kernel learning quasi-Newton method alternating optimization support vector machines |
| 本文献已被 CNKI 等数据库收录！ | |