基于信任权学习的在线分类算法

• 作者: 刘建伟 池光辉 罗雄麟
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 信任权学习 感知器 在线学习 大间隔 高斯分布
• 年，卷（期）: 2012,（9）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 180-182
• 分类号: TP301.6
• 字数: 3923字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2012.09.054

摘要

鉴于高斯过程对处理高维数、小样本、非线性等复杂问题具有较好的适应性,将其引入到在线分类器学习算法中,形成一种新型的在线分类算法,即信任权算法.该算法的信任权超参数为模型向量的高斯分布,每训练一次样本就修正一次模型向量的信任权,并使样本正确分类的概率在某个特定信任域内.采用人工和实际数据进行实验,结果表明信任权算法优于传统的感知器算法.