在线支持张量机

• 作者: 吴广潮 周蓉 杨晓伟
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 在线学习 支持张量机 支持向量机 张量秩一分解
• 年，卷（期）: 2013,（7）
• 所属期刊栏目: 学术研究
• 页码范围: 611-619
• 页数: 9页
• 分类号: TP181
• 字数: 6592字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1305003

摘要

基于随机梯度下降法,提出了在线支持张量机(online support tensor machine,OSTM)算法.该算法的学习数据是张量模式,并以序列方式获取.算法利用张量秩一分解来代替原始张量辅助内积运算,不仅保持了原始张量的自然结构信息和关系,也极大地节省了存储空间和计算时间.在13个张量数据集上的实验表明,与在线支持向量机相比,在拥有可比的测试精度的情况下,在线支持张量机具有更快的训练速度,尤其对于高阶张量,其优越性更明显.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨晓伟	华南理工大学理学院数学系	38	588	12.0	24.0
2	吴广潮	华南理工大学理学院数学系	20	192	7.0	13.0
3	周蓉	华南理工大学理学院数学系	8	14	3.0	3.0