多核学习方法

• 作者: 丁林阁 孙富春 汪洪桥 蔡艳宁 陈宁
• 来源期刊: 自动化学报
• 关键词: 核方法 多核学习 合成核 多尺度核 支持向量机 模式识别 回归
• 年，卷（期）: 2010,（8）
• 页码范围: 1037-1050
• 页数: 14页
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2010.01037

摘要

多核学习方法是当前核机器学习领域的一个新的热点.核方法是解决非线性模式分析问题的一种有效方法,但在一些复杂情形下,由单个核函数构成的核机器并不能满足诸如数据异构或不规则、样本规模巨大、样本不平坦分布等实际的应用需求,因此将多个核函数进行组合,以获得更好的结果是一种必然选择.本文根据多核的构成,从合成核、多尺度核、无限核三个角度,系统综述了多核方法的构造理论,分析了多核学习典型方法的特点及不足,总结了各自的应用领域,并凝炼了其进一步的研究方向.