基于正则化的乘更新在线分类算法

• 作者: 刘建伟 李双成 罗雄麟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 最优化对偶理论 非近似更新 在线学习 乘权更新
• 年，卷（期）: 2012,（26）
• 所属期刊栏目: 研究、探讨
• 页码范围: 53-59
• 分类号: TP393
• 字数: 4151字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2012.26.012

摘要

大样本集上在线预测算法时间空间复杂度小、预测准确性高,与批处理学习算法相比,有明显的优势.自从Jivinen和M.Warmuth提出权衡正确性与保守性的在线学习框架后,在线学习框架已被广泛引用.但是在Jivinen和M.Warmuth提出的梯度下降和指数梯度下降算法中,对目标函数中的损失函数求导过程中使用近似步骤会引起在线学习结果恶化.运用对偶最优化理论,提出了非近似的基于不同距离和损失函数的乘更新分类算法,一系列的实验显示算法提高了预测准确率.