基于随机优化的大规模噪声数据集快速学习方法

• 作者: 王家宝
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 大规模机器学习 支持向量机 Ramp损失 随机梯度下降
• 年，卷（期）: 2013,（4）
• 所属期刊栏目: 研究与应用
• 页码范围: 366-373
• 页数: 8页
• 分类号: TP181
• 字数: 7516字
• 语种: 中文

摘要

针对包含噪声与干扰数据的大规模机器学习问题,采用非凸Ramp损失函数抑制噪声和干扰数据的影响,提出一种基于随机优化的非凸线性支持向量机快速学习方法,有效改进训练速度和预测精度.实验结果表明该方法降低学习时间,在MNIST数据集上较传统学习方法的训练时间降低4个数量级.同时在一定程度上改进预测速度,并有效提升分类器对噪声数据集的泛化性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王家宝	解放军理工大学指挥信息系统学院	13	82	6.0	8.0